Amplitude des anomalies de fluctuation de basse fréquence chez les adolescents ayant une dépendance au jeu en ligne (2013)

PLoS One. 2013 Nov 4;8(11):e78708.

doi: 10.1371 / journal.pone.0078708. eCollection 2013.

Yuan K1, Jin C, Cheng P, Yang X, Dong T, Bi y, Xing L, von Deneen KM, Yu D, Liu J, Liang J, Cheng T, Qin W, Tian J.

Abstract

La majorité des études de neuroimagerie antérieures ont démontré des anomalies fonctionnelles structurelles et liées aux tâches chez les adolescents présentant une dépendance au jeu en ligne (OGA). Cependant, peu d'études d'imagerie par résonance magnétique fonctionnelle (IRMf) ont porté sur l'intensité régionale des fluctuations spontanées du taux d'oxygène dans le sang (BOLD) pendant l'état de repos et peu d'études ont porté sur la relation entre les propriétés anormales de l'état de repos et le contrôle cognitif altéré aptitude. Dans la présente étude, nous avons utilisé la méthode de l'amplitude de fluctuation de basse fréquence (ALFF) pour explorer les caractéristiques locales de l'activité cérébrale spontanée chez les adolescents présentant une OGA et des témoins sains au repos. Dix-huit adolescents avec OGA et 18, des volontaires sains appariés pour l'âge, l'éducation et le sexe, ont participé à cette étude. Par rapport aux témoins sains, les adolescents atteints d’OGA ont présenté une augmentation significative des valeurs ALFF dans le cortex orbitofrontal médial gauche (OFC), le précuneus gauche, la région motrice supplémentaire gauche (SMA), le gyrus parahippocampal droit (PHG) et le cingulum médian bilatéral. cortex (MCC). Les anomalies de ces régions ont également été détectées dans des études de toxicomanie antérieures. Plus important encore, nous avons constaté que les valeurs ALFF de l'OFC médial gauche et du précunéus gauche étaient positivement corrélées à la durée de l'OGA chez les adolescents présentant une OGA. Les valeurs ALFF du CFO médial gauche étaient également corrélées aux performances du test Stroop avec le mot de couleur. Nos résultats suggèrent que l'activité neuronale spontanée anormale de ces régions pourrait être impliquée dans la physiopathologie sous-jacente de l'OGA.

Introduction

La dépendance aux jeux en ligne (OGA) est définie comme une utilisation inadaptée d'Internet et par l'incapacité d'un individu à contrôler son utilisation d'Internet, ce qui a été classé comme un type de trouble du contrôle de l'impulsion. - . Les données de la China Youth Internet Association (annonce en février 2, 2010) ont montré que le taux d'incidence de l'AGO chez les jeunes citadins chinois était d'environ 14%. L'un des problèmes de santé mentale les plus courants chez les adolescents chinois, l'OGA a été associé à une dégradation du bien-être psychologique de l'individu, à un échec scolaire et à une réduction des performances au travail. , qui devient actuellement un problème de santé de plus en plus grave chez les adolescents du monde entier , . Bien que l’OGA ne soit pas encore officiellement codifiée dans un cadre psychopathologique, de nombreuses études sur des adolescents OGA ont révélé des anomalies structurelles et fonctionnelles dans le cortex orbitofrontal (OFC), la région motrice supplémentaire (SMA), le cortex cingulaire, le gyrus parahippocampe (PHG), le cortex préfrontal dorsolatéral (DLPFC), precuneus, gyrus temporal, insula et le cervelet , Des anomalies dans ces régions ont été associées à la toxicomanie dans de nombreuses études sur la toxicomanie. , et peut être associé à des dysfonctionnements dans le contrôle cognitif, le contrôle exécutif, le besoin impérieux, la sensibilité à la récompense, le comportement orienté vers les objectifs et la mémoire de travail chez les adolescents de l'AGO .

Bien que l’OGA soit un fardeau individuel et social, il n’existe actuellement aucun traitement standardisé pour . Des cliniques en Chine ont mis en place des calendriers serrés, une discipline stricte et un traitement par choc électrique, et ont acquis une notoriété pour ces approches de traitement. . L'élaboration de méthodes efficaces d'intervention et de traitement de l'AGO nécessitera de bien comprendre les mécanismes sous-jacents à cette affection. À ce jour, la plupart des études sur l'AGO se sont concentrées sur la détection des déficits structurels et des déficiences fonctionnelles liées à la tâche chez les personnes souffrant d'AGO, qui ont été utiles pour évaluer les mécanismes neuronaux sous-jacents à l'AGO. Cependant, peu d’études ont évalué le changement de signal en gras du taux d’oxygène dans le sang de l’activité spontanée régionale de l’OGA au repos. En tant qu’approche non invasive, l’imagerie par résonance magnétique fonctionnelle à l’état de repos (IRMf) a été utilisée pour étudier les fluctuations spontanées de basse fréquence (LFF) dans les signaux BOLD, ce qui évite les perturbations liées à la performance et peut refléter une activité neuronale spontanée dans le cerveau. , . En outre, la méthode IRMf à l'état de repos a été largement utilisée pour révéler l'architecture fonctionnelle intrinsèque typique et atypique du cerveau. . L'activité neuronale anormale pendant l'état de repos peut servir de marqueur adéquat pour refléter les progrès et l'altération de la fonction exécutive de multiples maladies du cerveau.

Récemment, Liu et al. ont utilisé la méthode de l'homogénéité régionale (ReHo) et ont constaté que les personnes atteintes d'OGA présentaient une augmentation significative des valeurs de ReHo dans le gyrus cingulaire droit, le parahippocampe bilatéral, le précunéus gauche et le gyrus frontal supérieur gauche . La méthode ReHo reflète l'homogénéité temporelle du LFF régional, quelles que soient ses intensités, et repose sur l'hypothèse selon laquelle les voxels voisins dans l'espace devraient avoir des modèles temporels similaires. . Alors que l’on pense que l’amplitude de LFF (ALFF) est associée à l’activité neuronale locale, la base des modifications de l’ALGA par ALFF n’est pas claire. . De plus, Liu et al. n'a pas étudié la relation entre les propriétés anormales de l'état de repos et la durée de l'OGA. Pour étudier plus en détail les anomalies d’état de repos chez les adolescents de l’OGA, nous avons utilisé la méthode ALFF dans la présente étude et recueilli des données sur la durée de l’AGO. En outre, des chercheurs ont détecté une altération de la capacité de contrôle cognitif chez les adolescents présentant une OGA en utilisant une tâche couleur Stroop , . Par conséquent, l'évaluation du comportement dans la présente étude était la performance de la tâche Stroop avec un mot de couleur. Le lien entre les résultats de la neuro-imagerie et des indices comportementaux bien définis dont on sait qu’ils sont affectés dans l’AGO serait un indice supplémentaire de l’importance de ces résultats pour l’AGO.

Matériels et méthodes

Toutes les procédures de recherche ont été approuvées par le sous-comité des études humaines de l'Hôpital de la Chine occidentale et ont été menées conformément à la Déclaration d'Helsinki. Tous les participants et leurs tuteurs à notre étude ont donné leur consentement éclairé écrit.

Sujets

Selon le questionnaire de Young Diagnostic modifié (YDQ) pour les critères d’OGA par Beard et Wolf , , vingt étudiants atteints d’OGA ont été filtrés des étudiants en première année et en deuxième année de 165. Dix-huit adolescents atteints d’OGA (hommes 12, âge moyen = années 19.4 ± 3.1, années d’éducation 13.4 ± 2.5) ont participé à notre étude en excluant deux joueurs gauchers. Pour déterminer s'il y avait ou non des changements linéaires dans la structure du cerveau, la durée de la maladie a été estimée via un diagnostic rétrospectif. Nous avons demandé aux sujets de se rappeler leur style de vie lorsqu'ils étaient initialement dépendants de leur jeu principalement en ligne, à savoir World of Warcraft (WOW). Pour garantir qu'ils souffraient d'OGA, nous les avons testés à nouveau avec les critères YDQ modifiés par Beard et Wolf. La fiabilité des auto-déclarations des sujets de l'AGO a également été confirmée par une conversation téléphonique avec leurs parents, leurs colocataires et leurs camarades de classe.

Dix-huit témoins sains appariés selon l'âge et le sexe (hommes 12 et femmes 6, âge moyen = années 19.5 ± 2.8, années d'études 13.3 ± 2.0) n'ayant également pas d'antécédents personnels ou familiaux de troubles psychiatriques, ont également participé à notre étude. Selon les précédentes études OGA, nous avons choisi des contrôles sains qui passaient moins de 2 heures par jour sur Internet . Les contrôles sains ont également été testés avec les critères YDQ modifiés par Beard et Wolf pour s’assurer qu’ils ne souffraient pas d’AGO. Tous les participants recrutés sélectionnés étaient des Chinois de la main droite et ont été évalués à l'aide d'un rapport personnel et d'un questionnaire sur la main-d'œuvre à Edinburgh. Les critères d'exclusion pour les deux groupes étaient 1) l'existence d'un trouble neurologique évalué par l'entrevue clinique structurée du Manuel diagnostique et statistique des troubles mentaux, quatrième édition (DSM-IV); 2) l’abus d’alcool, de nicotine ou de drogues via le dépistage de drogues dans l’urine; 3) grossesse ou menstruation chez la femme; et 4) toute maladie physique telle qu'une tumeur au cerveau, une hépatite ou une épilepsie, évaluée en fonction d'évaluations cliniques et de dossiers médicaux. L’échelle d’anxiété de Hamilton (HAMA) et l’inventaire de dépression de Beck II (BDI) ont été utilisés pour évaluer les états émotionnels de tous les participants au cours des deux semaines précédentes. Des informations démographiques plus détaillées sont données dans Tableau 1.

Tableau 1 

Données démographiques par sujet pour les adolescents ayant une dépendance au jeu en ligne (OGA) et des groupes de contrôle.

Collecte de données comportementales

Selon une étude précédente , la conception des tâches couleur Stroop a été mise en œuvre à l’aide du logiciel E-prime 2.0 (http://www.pstnet.com/eprime.cfm). Cette tâche utilisait un modèle de bloc avec trois conditions: congruente, incongrue et repos. Trois mots, rouge, bleu et vert ont été affichés en trois couleurs (rouge, bleu et vert) comme stimuli congruents et incongrus. Pendant le repos, une croix était affichée au centre de l'écran et les sujets devaient fixer leurs yeux sur cette croix sans répondre. Tous les événements ont été programmés en deux séries avec différentes séquences de blocs congruents et non congruents. Chaque participant a été invité à répondre à la couleur affichée aussi rapidement que possible en appuyant sur un bouton d'un Serial Response Box ™ avec la main droite. Les pressions exercées sur les index, le majeur et l'annulaire correspondent respectivement aux couleurs rouge, bleue et verte. Les participants ont été testés individuellement dans une pièce calme alors qu'ils étaient calmes. Après la pratique initiale, les données comportementales ont été collectées deux ou trois jours avant l'examen IRM.

Acquisitions de données IRM

Toutes les études IRMf ont été réalisées sur un scanner 3-T GE (EXCITE, GE Signa, Milwaukee, WI, États-Unis) en utilisant une bobine de tête de cage d'oiseau standard comme bobine de tête à matrice de phases à huit canaux au Centre de recherche Huaxi MR, Chengdu, Chine. . Les coussinets en mousse ont été utilisés pour réduire le mouvement de la tête et le bruit du scanner. Après un balayage en localisateur conventionnel, les images pondérées T1 ont été obtenues avec une séquence de rappel de gradient dégradée (temps de répétition (TR) = 1900 ms; temps d'écho (TE) = 2.26 ms; angle de retournement (FA) = 9 °; champ de vision ( FOV) = 256 × 256 mm2; matrice de données = 256 × 256; tranches = 176; taille de voxel = 1 × 1 × 1 mm3). Ensuite, des images fonctionnelles à l'état de repos ont été acquises en utilisant une séquence d'imagerie écho-planaire (TR = 2000ms; TE = 30ms; FA = 90 °; FOV = 240 × 240 mm.2; matrice de données = 64 × 64) avec des coupes axiales 32 (épaisseur des coupes = 5 en mm et sans intervalle de coupe, volumes totaux = 180) en une durée de six minutes. Les sujets ont été priés de fermer les yeux, de rester immobiles et de ne pas penser systématiquement à rien pendant la numérisation. À la fin de l'acquisition des données, tous les sujets ont confirmé qu'ils restaient éveillés pendant toute la période de numérisation.

Prétraitement des données et calcul ALFF

L’ensemble du traitement des images fonctionnelles a été effectué avec le mappage paramétrique statistique (SPM5, http://www.fil.ion.ucl.ac.uk/spm) logiciel et assistant de traitement de données pour logiciel IRMf à l'état au repos (DPARSF) . Pour chaque participant, les dix premiers points de temps ont été ignorés pour éviter les modifications transitoires du signal avant que la magnétisation atteigne un état stable et permettre aux sujets de s'habituer à l'environnement de balayage IRMf. Les volumes cérébraux 170 restants ont été corrigés pour la synchronisation des tranches et réalignés pour la correction des mouvements de la tête. Aucun sujet ne présentait un mouvement de la tête supérieur à 1 mm ou une rotation de 1 ° dans aucune direction. Ensuite, toutes les images réalignées ont été normalisées spatialement dans le modèle EPI de l'Institut neurologique de Montréal (MNI), rééchantillonnées en voxels isotropes 3 mm, puis lissées spatialement (pleine largeur à mi-hauteur = 8 mm). Après cela, en appelant les fonctions de la boîte à outils d'analyse de données fMRI au repos (REST, http://rest.restfmri.net), suppression de la tendance linéaire et filtrage passe-bande (0.01 – 0.08 Hz) pour réduire les effets de la dérive aux basses fréquences et du bruit physiologique aux hautes fréquences ont été effectuées sur la série chronologique.

Après le prétraitement, le calcul ALFF a été effectué à l'aide de DPARSF en appelant des fonctions dans REST comme dans les études précédentes. . Premièrement, pour obtenir le spectre de puissance, la série temporelle filtrée a été transformée dans le domaine de fréquence en utilisant une transformation de Fourier rapide (FFT). Ensuite, la racine carrée du spectre de puissance a été obtenue pour chaque point de données de fréquence afin de donner une amplitude en fonction de la fréquence. Ces valeurs, moyennées sur 0.01 – 0.08 Hz pour chaque voxel, ont été utilisées comme valeurs ALFF. Par conséquent, cette racine carrée moyenne a été utilisée comme valeur ALFF. La valeur ALFF de chaque voxel a été divisée par la valeur moyenne globale de la valeur ALFF dans le masque pour tout le cerveau de chaque sujet, ce qui a donné une valeur ALFF standardisée pour chaque voxel d'une valeur d'environ 1.

analyses statistiques

Évaluer les différences entre le groupe OGA et le groupe témoin en termes d’âge, de sexe, de durée de la maladie et d’années d’études, deux échantillons t-Les tests ont été réalisés avec SPSS 13.0 et un p> 0.05 a été jugé insignifiant. Pour explorer quelles zones avaient des valeurs ALFF différentes de la valeur de 1, un échantillon t-test (p<0.05, erreur familiale (FWE) corrigée) à l'aide de SPM5 a été réalisée dans chaque groupe. Ensuite, un échantillon de deux t-un test a été réalisé pour élucider les différences ALFF entre les deux groupes après contrôle de l'âge et du sexe. La correction pour les comparaisons multiples a été réalisée à l'aide de simulations de Monte Carlo. Un seuil corrigé de p<0.05 a été dérivé d'un seuil combiné de p<0.005 pour chaque voxel et une taille de cluster minimale de 351 mm3 (Programme AlphaSim dans le logiciel AFNI, http: // afni.nimh.nih.gov/). Pour les régions du cerveau dans lesquelles les patients OGA présentaient des propriétés ALFF anormales, les valeurs ALFF de chaque région ont été extraites, moyennées et régressées par rapport aux indicateurs pathologiques reflétés par la durée de la maladie et les performances de la tâche Stroop du mot couleur.

Résultats

Nos résultats ont montré que le taux d’OGA était d’environ 12.1% dans notre petit échantillon. Selon leur auto-évaluation de l'utilisation d'Internet, les sujets OGA ont consacré 10.2 ± 2.6 heures par jour et 6.3 ± 0.5 jours par semaine à des jeux en ligne. Les adolescents OGA passaient plus d’heures par jour et plus de jours par semaine sur Internet que les témoins (p<0.005) (Tableau 1).

Résultats de données comportementales

Les deux groupes ont montré un effet de Stroop significatif, où le temps de réaction était plus long pendant l'incongruence que pour la condition congruente (OGA: 677.3 ± 75.4 ms vs 581.2 ± 71.6 ms et contrôles: 638.3 ± 65.9 ms vs 549.0 ± 50.6 ms; p<0.005). Le groupe OGA a commis plus d'erreurs que le groupe témoin pendant la condition incongruente (8.56 ± 4.77 vs 4.56 ± 2.93; p<0.05), bien que le délai de réponse mesuré par le temps de réaction (RT) pendant la condition incongruente moins les conditions congruentes ne soit pas significativement différent entre ces deux groupes (98.2 ± 40.37 ms vs 91.92 ± 45.87 ms; p > 0.05).

Résultats de données d'imagerie

Les cartes ALFF du groupe OGA et du groupe témoin sont présentées dans Fig. 1et les deux groupes ont présenté des valeurs ALFF significativement plus élevées dans le cortex cingulaire postérieur (CCP) / précuneus, le cortex préfrontal médial (MPFC) et le lobe pariétal inférieur bilatéral (IPL) au repos. Ces régions sont largement incluses dans le réseau en mode par défaut dans des études précédentes . Un échantillon de deux t-Test contrôlant l'âge et le sexe et corrigé pour des comparaisons multiples (en utilisant des simulations Monte Carlo de la plus petite taille de cluster donnant un seuil corrigé de p <0.05 à partir d'un seuil non corrigé de p <0.005 pour chaque voxel) a révélé que le groupe OGA a montré des augmentations significatives dans les valeurs d'ALFF dans l'OFC médial gauche, le précunéus gauche, le SMA gauche, le PHG droit et le MCC bilatéral par rapport au groupe témoin. Aucune région du cerveau avec des valeurs ALFF réduites n'a été trouvée. De plus, une corrélation significativement positive a été observée entre la durée de l'OGA et les valeurs ALFF standardisées dans l'OFC médial gauche (r = 0.6627, p  = 0.0027) et précuneus gauche (r = 0.5924, p  = 0.0096) (Fig. 2) Les valeurs ALFF de l’OFC gauche étaient corrélées au nombre d’erreurs de réponse lors de la condition incongrue chez les adolescents présentant une OGA (r = 0.6690, p  = 0.0024) (Fig. 3) Comme les sujets OGA présentaient des indices de dépression significativement plus élevés que ceux mesurés par le BDI, nous avons réanalysé les données d'imagerie fonctionnelle en utilisant le BDI comme covariable. Les données obtenues étaient similaires aux données d'origine. Nous avons également vérifié si les scores BDI étaient en corrélation avec les valeurs ALFF des régions cérébrales anormales, la durée de l’OGA et les performances de la tâche Stroop avec mot de couleur. Cependant, aucun résultat significatif n'a été observé.

Figure 1 

Un échantillon t-résultats de test.
Figure 2 

Deux échantillon t-test analyse.
Figure 3 

Analyse de la relation cerveau-comportement.

a lieu

Dans la présente étude, la méthode ALFF a été utilisée pour étudier les différences d’état de repos entre les patients avec OGA et les témoins normaux. ALFF est une méthode simple et convaincante pour mesurer l’amplitude des fluctuations basse fréquence du signal BOLD. Des études antérieures ont montré la capacité de cette méthode à localiser avec précision la région cérébrale ayant une activité spontanée anormale. . Au sein de chaque groupe, nous avons identifié des régions présentant des valeurs ALFF significativement plus élevées que d’autres régions du cerveau au repos (Fig. 1) Ces régions chevauchaient largement avec les régions principales du réseau en mode par défaut (DMN) . En ce qui concerne les deux échantillons t-les résultats des tests, par rapport aux témoins sains, les adolescents atteints d’OGA ont montré une augmentation de la valeur ALFF dans l’OFC médial gauche, le précunée gauche, la SMA gauche, le PHG droit et le MCC bilatéral au repos (Fig. 2) Il est à noter que les sujets traités par l'AGO présentaient des indices de dépression significativement plus élevés pour le BDI. Cependant, l'analyse incluant le BDI en tant que covariable a donné des résultats similaires. De plus, les valeurs ALFF de l'OFC médial gauche et du précuneus étaient positivement corrélées à la durée de l'AGO (Fig. 2) En outre, pour valider la capacité de contrôle cognitif altérée chez les adolescents atteints d’OGA, le test de mots de couleur Stroop a été utilisé dans notre étude. Conforme aux conclusions précédentes , , le groupe OGA a commis plus d’erreurs que le groupe témoin au cours de la condition incongrue, ce qui a démontré que les adolescents présentant une OGA présentaient une capacité de contrôle cognitif altérée, telle que mesurée par le test de couleur Stroop. Il est intéressant de noter que les valeurs ALFF de l’OFC gauche étaient également corrélées au nombre d’erreurs commises pendant l’état incongruent chez les adolescents présentant une OGA (Fig. 3) Nos résultats suggèrent que les changements ALFF dans l'OFC pourraient servir de biomarqueurs pour refléter la capacité de contrôle cognitif altérée de l'AGO.

Dans la présente étude, nous avons constaté que les valeurs ALFF augmentaient dans l'OFC médial gauche dans le groupe OGA. Sur le plan anatomique, l’OFC entretient des liens étroits avec le striatum et les régions limbiques (telles que l’amygdale), qui semblent participer au contrôle cognitif du comportement orienté vers l’objectif en évaluant l’importance motivationnelle des stimuli et en sélectionnant le comportement souhaité. les résultats. Des anomalies structurelles et des dysfonctionnements de l'OGA ont été rapportés lors d'études précédentes. , , . Park et al. utilisé un 18Étude par tomographie à émission de positrons (TEP) de F-fluorodésoxyglucose afin d'étudier le métabolisme régional du glucose cérébral au repos chez des sujets jeunes ayant une OGA et des témoins normaux et montrant que l'activité métabolique de l'OFC chez les adolescents présentant une OGA était accrue par rapport aux témoins normaux . Cette analyse a suggéré que l'activité métabolique anormale dans la zone de l'OFC pourrait être associée à une altération du contrôle des impulsions et du traitement des récompenses chez les adolescents atteints de GAO. En ce qui concerne les études d’IRM fonctionnelles liées aux tâches, Ko et al. identifié les substrats neuronaux de la dépendance au jeu en ligne via l'évaluation des zones cérébrales associées au besoin de jeu induit par la réplique, et a découvert que l'OFC pouvait être activé de manière anormale chez les toxicomanes par rapport aux témoins . La similitude de cette découverte avec le besoin impérieux de dépendance à la substance , ce qui suggère que les problèmes de dépendance au jeu et de dépendance à une substance pourraient partager les mêmes mécanismes neurobiologiques. Des études antérieures de neuro-imagerie structurale ont également signalé une réduction du volume de matière grise de l’OFC dans le groupe OGA , . Conformément à ces découvertes fonctionnelles et structurelles, notre étude a révélé des valeurs ALFF plus élevées dans le CFO médial chez les adolescents présentant une OGA par rapport aux témoins. De plus, une corrélation significative entre les valeurs ALFF de l'OFC et les performances de la tâche au cours du test Stroop avec mot de couleur a été observée dans le groupe OGA (Figure 3). Des études antérieures sur la toxicomanie ont révélé un lien entre l'interférence de Stroop et le métabolisme du glucose relatif dans l'OFC chez les sujets dépendants à la cocaïne . Cette relation cerveau-comportement a démontré que les propriétés anormales de l’OFC en état de repos étaient associées à une altération de la capacité de contrôle cognitif chez les adolescents présentant une OGA.

Les valeurs d'ALFF étaient plus élevées chez les sujets précongéus que chez les sujets témoins. Le précuneus est une région cérébrale du cortex postéromédial du lobe pariétal et joue un rôle important dans le fonctionnement cognitif fondamental. . Il a été proposé que le précuneus soit impliqué dans la récupération de mémoire épisodique, l’imagerie visuelle et spatiale, le traitement automatique et la conscience. . Récemment, certains chercheurs ont également signalé une augmentation de ReHo dans le précunée gauche des étudiants OGA par rapport aux témoins . De plus, une étude a montré que le précuneus était associé à une envie de jeu, à la soif et à la gravité de l’OGA, et suggérait que le précuneus s'active pour traiter le signal de jeu, intégrer la mémoire récupérée et contribuer au besoin de jeu en ligne induit par le jeu. . Par conséquent, nous suggérons que les anomalies de l'état de repos du précunéus chez les adolescents présentant une OGA puissent être associées à un état de manque d'une OGA à long terme.

Des valeurs ALFF supérieures chez les sujets OGA, par rapport aux témoins, ont également été trouvées dans le SMA gauche, le MCC bilatéral et le PHG droit. Le SMA joue un rôle important dans le contrôle cognitif, l'action volontaire, l'initiation / l'inhibition des réponses motrices et aussi en conflit émotionnel . Le MCC est la partie centrale du gyrus cingulate et est essentiel pour la surveillance et le traitement des conflits. . Des études antérieures sur l'utilisation de substances ont signalé des anomalies de l'état de repos du SMA et du MCC liées à la dépendance , . On pense que le PHG contribue à la formation et à la maintenance des informations liées dans la mémoire de travail . La mémoire de travail fait référence au stockage temporaire et à la manipulation en ligne d'informations. Elle est également cruciale pour le contrôle cognitif. . Liu et al. a rapporté une augmentation de ReHo dans le PHG bilatéral dans les étudiants OGA par rapport aux témoins . En outre, certains chercheurs ont également découvert une anisotropie fractionnelle plus faible du PHG chez des sujets atteints d’OGA. . Nos résultats ont validé le modèle d'état de repos anormal du PHG chez les adolescents atteints d'OGA.

En conclusion, dans la présente étude, nous avons observé que ALFF était anormal chez les adolescents atteints d’OGA par rapport aux témoins, c’est-à-dire des valeurs ALFF plus élevées dans l’OFC médial gauche, précunéus gauche, SMA gauche, PHG droit et MCC bilatéral. Nous avons également observé que les valeurs plus élevées d'ALFF dans l'OFC médial gauche et le précuneus gauche étaient positivement corrélées à la durée de l'AGO. Les valeurs ALFF de l'OFC gauche étaient corrélées aux performances de la tâche Stroop de mots de couleur (c'est-à-dire aux erreurs de réponse) dans le groupe OGA. Nos résultats suggèrent que l'activité spontanée anormale de ces régions peut refléter la physiopathologie sous-jacente chez les utilisateurs d'OGA. En raison des résultats d’état de repos similaires avec les changements d’état de repos liés à la toxicomanie, nous avons suggéré que l’AGO pourrait partager les mécanismes neuronaux de la toxicomanie. Il convient de noter que la dépression doit être considérée comme un facteur de confusion potentiel pour expliquer les résultats de la neuroimagerie dans l’étude actuelle. Une étude complète plus approfondie est nécessaire pour fournir davantage de perspectives scientifiques sur l'AGO.

Remerciements

Nous voudrions remercier Qin Ouyang, Qizhu Wu, Junran Zhang, Changjian Hu et Haifeng Luo pour leur aide technique précieuse dans la conduite de cette recherche.

Déclaration de financement

Ce document est financé par le projet relatif au programme national de recherche et développement de base (973), dans le cadre de la subvention n ° 2011CB707700; la Fondation nationale des sciences naturelles de Chine dans le cadre des subventions nos 81227901, 81271644, 81271546, 30930112, 81000640, 81000641, 81101036, 81101108, 31200837, 81030027, 81301281; et le Fonds de recherche fondamentale pour les universités centrales, la Fondation des sciences naturelles de la Mongolie intérieure, octroyé dans le cadre de la subvention n ° 2012MS0908. Les bailleurs de fonds n'ont joué aucun rôle dans la conception de l'étude, la collecte et l'analyse des données, la décision de publication ou la préparation du manuscrit.

Bibliographie

1. Yuan K, Qin W, Liu Y, Tian J (2011) Dépendance à Internet: résultats de neuroimagerie. Biologie communicative et intégrative 4: 0–1 [Article gratuit PMC] [PubMed]
2. Flisher C (2010) Brancher: Un aperçu de la dépendance à Internet. Journal de pédiatrie et de santé infantile 46: 557 – 559 [PubMed]
3. Christakis D (2010) La dépendance à Internet: une épidémie du Xème siècle? BMC médecine 21: 8. [Article gratuit PMC] [PubMed]
4. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Anomalies de la microstructure chez les adolescents présentant un trouble de dépendance à Internet. PloS one 6: e20708. [Article gratuit PMC] [PubMed]
5. Murali V, George S (2007) Lost online: aperçu de la dépendance à Internet. Progrès du traitement psychiatrique 13: 24 – 30
6. Young KS (1998) Dépendance à Internet: l'émergence d'un nouveau trouble clinique. CyberPsychologie et comportement 1: 237–244
7. ND de Volkow, Wang GJ, Fowler JS, Tomasi D (2012) Circuits de dépendance dans le cerveau humain. Revue annuelle de pharmacologie et toxicologie 52: 321 [Article gratuit PMC] [PubMed]
8. Byun S, Ruffini C, Mills JE, Douglas AC, Niang M, et al. (2009) Dépendance à Internet: métasynthèse de la recherche quantitative 1996–2006. CyberPsychologie et comportement 12: 203–207 [PubMed]
9. Duff EP, Johnston LA, Xiong J, Fox PT, Mareels I, et al. (2008) Puissance de l'analyse de la densité spectrale pour cartographier les fluctuations du signal BOLD endogène. Cartographie du cerveau humain 29: 778 – 790 [PubMed]
10. Fox MD, Raichle ME (2007) Fluctuations spontanées de l'activité cérébrale observées avec l'imagerie par résonance magnétique fonctionnelle. Avis Nature Neuroscience 8: 700 – 711 [PubMed]
11. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Homogénéité régionale accrue dans le trouble de la dépendance à Internet: étude d’imagerie par résonance magnétique fonctionnelle à l’état de repos. Chin Med J (Engl) 123: 1904 – 1908 [PubMed]
12. Zang Y, Jiang T, Lu Y, He Y, Tian L (2004) Approche d'homogénéité régionale pour l'analyse de données IRMf. Neuroimage 22: 394 – 400 [PubMed]
13. Yang H, Long XY, Yang Y, Yan H, Zhu CZ et al. (2007) Amplitude des fluctuations de basse fréquence dans les zones visuelles révélées par une IRM fonctionnelle à l'état de repos. Neuroimage 36: 144 – 152 [PubMed]
14. Dong G, Zhou H, Zhao X (2011) Les toxicomanes masculins d'Internet montrent une capacité de contrôle exécutif altérée: preuve tirée d'une tâche couleur de Stroop. Neuroscience Letters 499: 114 – 118 [PubMed]
15. Yuan K, P Cheng, Dong T, Y Bi, Xing L, et al. (2013) Anomalies d’épaisseur corticale à la fin de l’adolescence avec dépendance au jeu en ligne. PloS one 8: e53055. [Article gratuit PMC] [PubMed]
16. Beard KW, Wolf EM (2001) Modification des critères de diagnostic proposés pour la dépendance à Internet. CyberPsychologie et comportement 4: 377–383 [PubMed]
17. Xu J, A Mendrek, MS Cohen, J Monterosso, Simon S et al. (2006) Effet de la cigarette sur la fonction corticale préfrontal chez les fumeurs non-privés effectuant la tâche Stroop. Neuropsychopharmacologie 32: 1421 – 1428 [Article gratuit PMC] [PubMed]
18. Y Chao-Gan, Z-Yu-Feng (2010) DPARSF: une boîte à outils MATLAB pour l'analyse de données «en pipeline» de l'IRMf à l'état de repos. Frontières en neurosciences des systèmes 4. [Article gratuit PMC] [PubMed]
19. Yu-Feng Z, Yong H, Z Chao-Zhe, C Qing-Jiu, Man-Qiu S, et al. (2007) Altération de l'activité cérébrale initiale chez les enfants atteints de TDAH révélée par une IRM fonctionnelle à l'état de repos. Cerveau et développement 29: 83 – 91 [PubMed]
20. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et al. (2001) Un mode par défaut de la fonction cérébrale. Actes de l'Académie nationale des sciences 98: 676 [Article gratuit PMC] [PubMed]
21. Park HS, Kim SH, Bang SA, EJ Yoon, Cho SS et al. (2010) Modification du métabolisme régional du glucose cérébral chez les utilisateurs de jeux sur Internet: étude de tomographie par émission de positrons réalisée par 18F-fluorodésoxyglucose. Spectre CNS 15: 159 – 166 [PubMed]
22. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Activités cérébrales associées à la tentation de la dépendance au jeu en ligne Journal de recherche psychiatrique 43: 739 – 747 [PubMed]
23. Goldstein RZ, ND de Volkow (2011): dysfonctionnement du cortex préfrontal dans la toxicomanie: résultats de la neuro-imagerie et implications cliniques. Avis Nature Neuroscience 12: 652 – 669 [Article gratuit PMC] [PubMed]
24. Goldstein R, Volkow N (2002) La toxicomanie et ses fondements neurobiologiques sous-jacents: données de neuro-imagerie sur l'implication du cortex frontal. Journal américain de psychiatrie 159: 1642 – 1652 [Article gratuit PMC] [PubMed]
25. Cavanna AE, Trimble MR (2006) Le précuneus: examen de son anatomie fonctionnelle et de ses corrélats comportementaux. Cerveau 129: 564 – 583 [PubMed]
26. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, et al. . (2011) Le cerveau est corrélé avec le besoin impérieux de jeux en ligne soumis à une exposition ciblée chez des sujets ayant une dépendance au jeu sur Internet et chez des sujets réadmis. Biologie de la dépendance. [PubMed]
27. Nachev P, Kennard C, Husain M (2008) Rôle fonctionnel des zones motrices supplémentaires et pré-supplémentaires. Avis Nature Neuroscience 9: 856 – 869 [PubMed]
28. Ochsner KN, Hughes B, ER Robertson, Cooper JC, Gabrieli JDE (2009) Systèmes neuraux supportant le contrôle des conflits affectifs et cognitifs. Journal des neurosciences cognitives 21: 1841 – 1854 [PubMed]
29. Goñi J, M Aznárez-Sanado, M Arrondo, M Fernández-Seara, Loayza FR et al. (2011) Substrat neuronal et intégration fonctionnelle de l’incertitude dans la prise de décision: une approche fondée sur la théorie de l’information. PloS one 6: e17408. [Article gratuit PMC] [PubMed]
30. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Déficits en matière grise et anomalies de l'état de repos chez les personnes dépendantes de l'héroïne et abstinentes. Lettres Neurosciences 482: 101 – 105 [PubMed]
31. Ma N, Liu Y, Li N, Wang CX, Zhang H, et al. (2010) Altération liée à la dépendance dans la connectivité cérébrale à l'état de repos. Neuroimage 49: 738 – 744 [Article gratuit PMC] [PubMed]
32. Chance D, Danion JM, Marrer C, Pham BT, Gounot D, et al. (2010) Le bon gyrus parahippocampique contribue à la formation et à la maintenance des informations liées dans la mémoire de travail. Cerveau et cognition 72: 255 – 263 [PubMed]
33. Engle RW, Kane MJ (2003) Attention de la direction, capacité de la mémoire de travail et théorie à deux facteurs du contrôle cognitif. Psychologie de l'apprentissage et de la motivation 44: 145 – 199