PLoS One. 2013;8(2):e57831. doi: 10.1371/journal.pone.0057831.
Hong SB , Zalesky A , Cocchi L , Fornito A , Choi EJ , Kim HH , Suh JE , Kim CD , Kim JW , Yi SH.
Matériau
Centre de neuropsychiatrie de Melbourne, Département de psychiatrie, Université de Melbourne et Melbourne Health, Parkville, Victoria, Australie; Institut Florey des neurosciences et de la santé mentale, Parkville, Victoria, Australie; Division de psychiatrie de l'enfant et de l'adolescent, Département de psychiatrie, Collège de médecine, Université nationale de Séoul, Séoul, République de Corée.
Abstract
CONTEXTE :
La dépendance à Internet est de plus en plus reconnue comme un trouble mental, bien que ses bases neurobiologiques restent inconnues. Cette étude a utilisé la neuroimagerie fonctionnelle pour examiner la connectivité fonctionnelle cérébrale globale chez des adolescents diagnostiqués comme dépendants à Internet . En se basant sur les modifications neurobiologiques observées dans d'autres troubles liés à la dépendance , il a été prédit que les perturbations de la connectivité chez les adolescents dépendants à Internet seraient les plus marquées au niveau du circuit cortico-striatal.
METHODES:
L’étude a porté sur 12 adolescents présentant une dépendance à Internet et 11 sujets témoins sains. Des images de résonance magnétique fonctionnelle (IRMf) au repos ont été acquises, et les différences de connectivité fonctionnelle cérébrale entre les groupes ont été analysées à l’aide de statistiques basées sur les réseaux. Nous avons également analysé la topologie du réseau, en recherchant des différences intergroupes pour des mesures clés basées sur les graphes.
RÉSULTATS:
Les adolescents présentant une dépendance à Internet ont montré une connectivité fonctionnelle réduite au sein d'un réseau distribué. La majorité des connexions altérées impliquaient les circuits cortico-sous-corticaux (environ 24 % avec le cortex préfrontal et environ 27 % avec le cortex pariétal). Le putamen bilatéral était la région sous-corticale la plus touchée . Aucune différence significative n'a été observée entre les groupes concernant les mesures topologiques du réseau, notamment le coefficient de clustering, la longueur caractéristique des chemins et le ratio de petit monde.
CONCLUSIONS:
La dépendance à Internet est associée à une diminution généralisée et significative de la connectivité fonctionnelle dans les circuits cortico-striataux, en l'absence de changements globaux dans la topologie du réseau fonctionnel cérébral.
Citation : Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Diminution de la connectivité fonctionnelle cérébrale chez les adolescents dépendants à Internet. PLoS ONE 8(2) : e57831. doi : 10.1371/journal.pone.0057831
Éditeur : Xi-Nian Zuo, Institut de psychologie, Académie chinoise des sciences, Chine
Reçu le 1er octobre 2012 ; Accepté le 26 janvier 2013 ; Publié le 25 février 2013
Droits d'auteur : © 2013 Hong et al. Cet article est en libre accès et distribué selon les termes de la licence Creative Commons Attribution, qui autorise l'utilisation, la distribution et la reproduction sans restriction sur tout support, à condition que l'auteur original et la source soient cités.
Financement : Ces travaux ont été financés par le Fonds de recherche du Programme de fusion cérébrale de l’Université nationale de Séoul. SBH a bénéficié d’une bourse de la Fondation nationale de la recherche de Corée (Programme de stages internationaux) financée par le gouvernement coréen. AF a bénéficié d’une bourse CJ Martin du Conseil national de la santé et de la recherche médicale (ID : 454797). Les organismes financeurs n’ont joué aucun rôle dans la conception de l’étude, la collecte et l’analyse des données, la décision de publier ou la préparation du manuscrit.
Conflits d'intérêts : Les auteurs déclarent n'avoir aucun conflit d'intérêts.
Introduction
La dépendance à Internet est de plus en plus reconnue par le grand public et la communauté scientifique internationale [1] , bien qu'il s'agisse d'une pathologie relativement récente dont les caractéristiques psychopathologiques et les mécanismes neurobiologiques restent mal compris. Des études de neuro-imagerie récentes ont mis en évidence des modifications significatives de la fonction et de la structure cérébrales associées à cette dépendance. La plupart de ces études ont utilisé l'imagerie par résonance magnétique fonctionnelle (IRMf) réalisée pendant des tâches spécifiques et ont impliqué les régions frontales et striatales, ainsi que, dans une moindre mesure, le cortex pariétal et insulaire [2] – [5] . Par ailleurs, grâce à la tomographie par émission de positons (TEP), Kim et al. (2011) ont observé une diminution de la disponibilité des récepteurs D2 de la dopamine dans les noyaux caudés bilatéraux et le putamen droit [6] , et Hou et al. (2012), par tomographie d'émission monophotonique (TEMP), ont constaté une diminution du niveau d'expression du transporteur de dopamine striatal chez les adultes dépendants à Internet [7] . Ces résultats concordent avec les modèles théoriques actuels des troubles addictifs, incluant non seulement la dépendance aux substances mais aussi les addictions comportementales (par exemple, le jeu pathologique), qui mettent l'accent sur les anomalies des circuits fronto-striataux [8] et de l'insula [9] , [10] . Des études d'IRM structurelle réalisées par Zhou et al. (2011) et Yuan et al. (2011) ont suggéré des anomalies de la substance grise dans des régions cérébrales telles que le cortex préfrontal [11] , [12] , et une étude d'imagerie par tenseur de diffusion menée par Lin et al. (2012) a rapporté des anomalies généralisées de la substance blanche chez les adolescents souffrant de dépendance à Internet [13] . Enfin, Liu et al. (2010) ont observé une altération de l'homogénéité régionale dans la dépendance à Internet [14] , ce qui constitue, à notre connaissance, la seule observation en IRMf au repos rapportée dans la littérature concernant ce trouble [15] . Les auteurs ont étudié l'homogénéité temporelle du signal BOLD (Blood-Oxygen-Level-Dependent) de chaque voxel par rapport à ceux de ses 26 voxels voisins les plus proches, voxel par voxel.
L’IRMf au repos est une technique d’imagerie relativement récente permettant d’étudier les corrélations interrégionales de l’activité cérébrale spontanée, enregistrée lorsque le sujet est allongé tranquillement dans le scanner sans effectuer de tâche spécifique [16] . Cette approche offre une méthode robuste pour cartographier des systèmes fonctionnels bien définis [17] , [18] . Les mesures au repos sont fiables [19] , [20] , sous contrôle génétique [21] – [23] et considérées comme un indicateur d’une propriété intrinsèque de l’organisation fonctionnelle cérébrale [24] , sous réserve de certaines limitations [25] . Combinée à des techniques de théorie des graphes, l’IRMf au repos constitue un outil puissant pour étudier l’organisation à grande échelle de la dynamique fonctionnelle cérébrale et ses perturbations dans les conditions psychopathologiques [26].
Dans cette étude, nous avons utilisé des données d'IRMf au repos pour cartographier les différences de connectivité fonctionnelle entre un ensemble complet de 90 régions corticales et sous-corticales distinctes chez des individus sains et des adolescents présentant une dépendance à Internet, en nous concentrant sur les individus pratiquant excessivement les jeux en ligne parmi les sous-types proposés de ce trouble [27] . Nous avons également mené une analyse des perturbations topologiques du réseau [28] afin d'évaluer si d'éventuelles différences de force de connectivité entre les groupes étaient associées à une reconfiguration globale des interactions fonctionnelles [26] , comme cela a été rapporté dans de nombreux autres troubles psychiatriques [29] , [30].
Sur la base de résultats antérieurs de neuroimagerie structurelle et fonctionnelle dans la dépendance à Internet [3] , [4] , [6] , [7] , [15] , ainsi que des modèles théoriques établis des troubles de dépendance aux substances [8] , [9] , nous avons émis l'hypothèse que les adolescents souffrant de dépendance à Internet montreraient une connectivité interrégionale altérée entre les régions frontales et striatales, avec une possible implication supplémentaire du cortex pariétal et de l'insula.
Matériels et méthodes
Déclaration d'éthique
Cette étude a été approuvée par le comité d'examen institutionnel pour les sujets humains de l'Université nationale de Séoul. Tous les adolescents et leurs parents ont fourni un consentement éclairé écrit avant le début de l'étude. L'étude a été menée conformément à la déclaration d'Helsinki.
Participants
Douze adolescents de sexe masculin, droitiers et présentant une dépendance à Internet, et onze sujets témoins, droitiers et appariés selon le sexe [31], ont participé à cette étude. Le diagnostic de dépendance à Internet a été établi à l'aide de l'échelle de dépendance à Internet pour jeunes (YIAS), composée de 20 items, chacun basé sur une échelle de Likert à 5 points évaluant le degré de problèmes causés par l'utilisation d'Internet [32] , et du Kiddie-Schedule for Affective Disorders and Schizophrenia-Present and Lifetime Version (K-SADS-PL), un outil d'entretien diagnostique semi-structuré dont la validité et la fiabilité sont établies, ce qui nous a permis d'exclure d'autres troubles psychiatriques [33] , [34] . Seuls les participants présentant une dépendance à Internet ont rapporté avoir éprouvé les composantes typiques de la dépendance (à savoir, tolérance, sevrage, préoccupation pour les jeux en ligne, tentatives répétées et infructueuses de réduire ou d'arrêter les jeux en ligne, altération de l'humeur lors des tentatives de réduction des jeux en ligne et négligence des relations ou activités importantes en raison des jeux en ligne) [35] , [36] . Tous les participants présentant une dépendance à Internet ont rapporté une pratique excessive des jeux en ligne, parmi les sous-types proposés de ce trouble. Les mêmes instruments ont été utilisés lors du recrutement d'adolescents sains. Les informations démographiques et le quotient intellectuel (QI) de tous les participants ont également été évalués (voir tableau 1 ).
Tableau 1. Caractéristiques démographiques et cliniques des participants.
doi: 10.1371 / journal.pone.0057831.t001
Acquisition de données et traitement d'images
Les images IRMf au repos ont été acquises sur un scanner Siemens 3T (Siemens Magnetom Trio Tim Syngo MR B17, Allemagne) avec les paramètres suivants : temps de répétition (TR) 2700 ms ; temps d’écho (TE) 30 ms ; matrice d’acquisition 64×64 ; champ de vision (FOV) 192×192 mm² ; angle de basculement 90° ; taille de voxel 3.0 mm×3.0 mm×3.0 mm ; 40 coupes. La durée totale de l’acquisition était de 6 min 45 s. Une bobine de tête a été utilisée et les mouvements de la tête ont été minimisés en comblant l’espace autour de la tête avec une éponge et en fixant la mâchoire inférieure avec du ruban adhésif.
Le prétraitement des images IRMf a été réalisé à l'aide de l'assistant de traitement des données pour l'IRMf au repos (DPARSF) [37] , basé sur la cartographie statistique paramétrique (SPM8) et l'outil d'analyse des données IRMf au repos (REST). Les cinq premières images de chaque sujet ont été écartées, et les 145 images restantes ont été corrigées du décalage temporel entre les coupes et réalignées sur le premier volume afin de corriger les artefacts de mouvement. Tous les participants ont présenté un déplacement inférieur à 0.5 mm et une rotation inférieure à 0.5° pour leurs six paramètres de mouvement de la tête. De plus, aucune différence significative n'a été observée entre les deux groupes ( p < 0.05) pour les quatre paramètres de mouvement de la tête récemment proposés par Van Dijk et al. [38] : c’est-à-dire le déplacement moyen de la tête (dépendance à Internet : 0.04 ± 0.01 mm, groupe contrôle : 0.04 ± 0.01 mm), le déplacement maximal de la tête (dépendance à Internet : 0.18 ± 0.14 mm, groupe contrôle : 0.17 ± 0.07 mm), le nombre de micromouvements (> 0.1 mm) (pas plus de 2 pour tous les participants, sauf deux individus du groupe dépendance à Internet présentant respectivement 5 et 6 micromouvements) et la rotation de la tête (dépendance à Internet : 0.04 ± 0.01°, groupe contrôle : 0.04 ± 0.00°). Avant la normalisation spatiale, un modèle cérébral apparié en fonction de l’âge et du sexe a été créé à partir des données de l’étude NIH MRI sur le développement cérébral normal, à l’aide de Template-O-Matic [39] . Nos images IRMf ont été normalisées à l’aide de ce modèle personnalisé et lissées avec un noyau gaussien de 6 mm de largeur à mi-hauteur. Les données ont ensuite été corrigées de leur tendance et les fluctuations de basse fréquence (0.01–0.08 Hz) ont été filtrées afin de détecter les signaux provenant de la substance grise et de réduire l'effet du bruit. Six paramètres de mouvement de la tête, les signaux de la substance blanche et les signaux du liquide céphalo-rachidien ont été régressés à partir du signal BOLD filtré. Enfin, les résidus de cette régression ont été extraits de 90 régions cérébrales (nœuds) selon l'atlas d'étiquetage anatomique automatisé (AAL) [40] , et les associations par paires ont été calculées, aboutissant à une matrice de connectivité 90 × 90 pour chaque sujet. Le coefficient de corrélation de Pearson (sans décalage) a été utilisé pour quantifier chaque association par paire. Il est à noter que le signal global n'a pas été inclus comme covariable parasite, garantissant ainsi une proportion minimale de corrélations négatives.
Historique
La statistique basée sur les réseaux (NBS) [41] , [42] a été utilisée pour identifier les réseaux cérébraux régionaux présentant une différence significative de connectivité fonctionnelle interrégionale entre les groupes. Plus précisément, un test t a été réalisé pour tester la différence entre les groupes au niveau du coefficient de corrélation pour chacune des 90 × (90-1)/2 = 4005 paires régionales uniques. Les réseaux interconnectés, formellement appelés composantes de graphe , ont ensuite été identifiés parmi les connexions dont la statistique t dépassait un seuil de t = 3.0. Une valeur p corrigée pour les comparaisons multiples (FWE) a été calculée pour la taille de chaque composante résultante à l'aide d'un test de permutation (20 000 permutations). Chaque permutation consistait à permuter aléatoirement les étiquettes de groupe et à identifier la taille du plus grand réseau interconnecté, ce qui a permis d'obtenir une distribution nulle empirique des tailles maximales des composantes [43] . Une valeur p corrigée pour les comparaisons multiples (FWE) a été estimée pour chaque réseau interconnecté, correspondant à la proportion de permutations ayant abouti à un réseau interconnecté plus grand, ou à un réseau de taille équivalente. Les deux hypothèses alternatives (addiction > témoins et addiction < témoins) ont été évaluées indépendamment. Toutes ces étapes ont été réalisées à l'aide du logiciel NBS, distribué gratuitement dans le cadre de la Brain Connectivity Toolbox ( http://www.brain-connectivity-toolbox.net/ ) ou du NITRC ( http://www.nitrc.org/projects/nbs/ ). Afin d'évaluer la reproductibilité des résultats significatifs avec d'autres atlas [44] , l'analyse ci-dessus a été répétée séparément en remplaçant l'atlas AAL par deux autres atlas permettant de segmenter le cortex en régions non superposées : l'atlas structurel de l'Institut neurologique de Montréal (MNI) ( http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html ) et une segmentation aléatoire comprenant 120 régions [45] . L'atlas MNI est un découpage grossier représentant huit régions anatomiques par hémisphère cérébral, facilitant ainsi la caractérisation de la connectivité interlobaire.
Nous avons ensuite testé les différences intergroupes concernant les principales mesures de réseau basées sur les graphes [28] : le coefficient de clustering moyen, la longueur caractéristique du chemin et le ratio de petit monde. L’interprétation de ces mesures en termes de complexité et d’organisation cérébrales est abordée dans de nombreuses publications récentes [26] , [30] , [46] – [49] . Les matrices de connectivité ont d’abord été binarisées selon un ensemble de densités de connexion fixes, allant de 10 % à 30 % [28] . Les mesures de réseau ont été calculées pour chaque densité à l’aide de la fonction appropriée fournie par la Brain Connectivity Toolbox. Le coefficient de clustering et la longueur caractéristique du chemin ont été normalisés par rapport à un ensemble de 20 réseaux aléatoires générés à l’aide de l’algorithme de recâblage de Maslov-Sneppen [50] . Les différences intergroupes ont ensuite été évaluées pour chaque densité à l’aide d’un test t bilatéral.
Enfin, le coefficient de clustering et la longueur du chemin ont été calculés localement pour chacune des 90 régions. Un test t bilatéral a également été utilisé pour tester les différences intergroupes concernant ces mesures spécifiques à chaque région. Le taux de faux positifs (FDR) [51] a été utilisé pour corriger les comparaisons multiples au sein de l'ensemble des densités de réseau et des régions.
Résultats
Caractéristiques des participants
Tous les participants étaient des hommes droitiers. Aucune différence significative n'a été observée concernant l'âge et le QI entre les deux groupes, et le score YIAS était significativement plus élevé dans le groupe présentant une dépendance à Internet ( Tableau 1 ).
Différences de groupe dans la connectivité fonctionnelle
L'étude NBS a identifié un réseau unique présentant une connectivité significativement diminuée ( p < 0.05, corrigée pour les comparaisons multiples) chez les adolescents souffrant d'addiction à Internet, comparativement aux sujets témoins. Ce réseau affecté comprenait 59 connexions, impliquant 38 régions cérébrales différentes ( Figure 1 ). Le réseau a été largement reproduit lorsque l'atlas AAL a été remplacé par deux atlas alternatifs pour le découpage du cortex en régions non superposées (voir Figure S1 ). Malgré une variation considérable du nombre total de régions composant ces atlas (AAL : 90, MNI : 16, aléatoire : 120), une remarquable cohérence a été observée dans la structure globale du réseau. La taille du réseau augmentait, comme prévu, avec la résolution de l'atlas (c.-à-d. le nombre total de régions), donnant lieu à une configuration plus complexe. Cependant, les régions corticales et sous-corticales (et les lobes correspondants) impliquées ont été largement reproduites dans les trois atlas. Les figures ont été visualisées avec BrainNet Viewer ( http://www.nitrc.org/projects/bnv/ ).
Figure 1. Réseau de connectivité fonctionnelle cérébrale diminuée chez les adolescents souffrant d'addiction à Internet.
Les points rouges représentent les centroïdes stéréotaxiques des régions cérébrales (nœuds) définies par l'atlas d'étiquetage anatomique automatisé (AAL), et les lignes bleues représentent les connexions supraliminaires (t = 3.0) constituant le réseau affecté, identifié par la statistique basée sur le réseau (NBS) ( p < 0.05, corrigé par composante). La vue axiale illustre l'implication des connexions interhémisphériques (c.-à-d. les connexions entre les hémisphères droit et gauche). La vue sagittale illustre l'implication des lobes frontal, temporal et pariétal dans le réseau affecté.
doi: 10.1371 / journal.pone.0057831.g001
Conformément à la méthodologie de Fornito et al. [52] , les régions AAL ont été catégorisées en lobes principaux correspondants (frontal, temporal, pariétal, etc.) et la proportion de connexions reliant ces divisions à grande échelle a été quantifiée pour chaque paire de lobes. Les connexions fronto-temporo-pariétales étaient affectées, mais le lobe occipital n'était pas inclus dans le réseau affecté. La majorité des connexions réduites dans le groupe présentant une dépendance à Internet impliquaient des liens entre les régions sous-corticales et les cortex frontal (environ 24 %) et pariétal (environ 27 %) ( Figure 2 ). Afin de mieux comprendre quelles régions sous-corticales pourraient contribuer à ce résultat, nous avons examiné la connectivité entre chaque lobe cortical et chaque région sous-corticale séparément dans le réseau NBS ( Figure S2 ). Cette analyse a révélé que les régions sous-corticales incluaient l'hippocampe, le globus pallidus et le putamen. L'amygdale et le noyau caudé n'étaient pas inclus dans le réseau affecté. Le putamen bilatéral était la région sous-corticale la plus touchée, présentant une diminution des connexions avec les trois principaux lobes cérébraux impliqués. Ce schéma a été reproduit à l'aide de l'atlas MNI, dont le réseau résultant comprenait uniquement le putamen et l'insula, en plus des lobes frontal, pariétal et temporal ; le noyau caudé et le lobe occipital n'étaient pas inclus dans le réseau affecté.
Figure 2. Proportion de connexions affectées par la dépendance à Internet reliant des paires distinctes de grandes divisions cérébrales.
Le nombre de liens impliquant chaque paire de divisions est normalisé par le nombre total de liens par paires. Notez que l'hippocampe, le globus pallidus et le putamen ont été attribués à la catégorie sous-corticale et que le gyrus cingulaire antérieur a été attribué à la catégorie frontale. L'amygdale et le noyau caudé n'étaient pas inclus dans le réseau perturbé et il n'était donc pas nécessaire d'attribuer ces régions à un lobe. Le putamen, bilatéralement, était la région sous-corticale la plus touchée, montrant une diminution des connexions avec les trois principaux lobes cérébraux impliqués.
doi: 10.1371 / journal.pone.0057831.g002
Nous n'avons identifié aucun réseau présentant une connectivité accrue dans le groupe de dépendance à Internet. Aucune corrélation significative n'a été trouvée entre la connectivité fonctionnelle dans le réseau identifié et le score YIAS, que ce soit dans le groupe de dépendance à Internet ou dans les contrôles.
Différences de groupe dans la topologie du réseau
Aucune différence significative n'a été observée entre les groupes concernant le coefficient de clustering moyen, la longueur caractéristique du chemin ou le ratio de petit monde, quelle que soit la densité du réseau étudiée ( p < 0.05, corrigé par FDR) ( Figure 3 ). De plus, aucune différence significative n'a été constatée entre les groupes pour les mesures locales (spécifiques à la région) correspondantes après correction FDR pour comparaisons multiples. L'application d'une correction moins stricte pour les faux positifs (p < (1/90) = 0.011 [53]) afin d'explorer les effets de tendance a révélé des différences significatives entre les groupes concernant le coefficient de clustering local et la longueur du chemin local, principalement au niveau des lobes occipitaux ( Tableaux S1 et S2 ).
Figure 3. Paramètres de connectivité fonctionnelle cérébrale de type petit monde chez les adolescents souffrant d'addiction à Internet.
doi: 10.1371 / journal.pone.0057831.g003
Discussions
Des signes de diminution de la connectivité fonctionnelle cérébrale ont été observés chez les adolescents souffrant d'addiction à Internet. Conformément aux modèles actuels qui mettent l'accent sur le rôle de la pathologie cortico-sous-corticale dans l'addiction [54] , 24 % des connexions du réseau altéré différenciant les individus dépendants des sujets témoins sains impliquaient des liens entre les régions frontales et sous-corticales . 27 % supplémentaires reliaient les régions sous-corticales et pariétales, avec des preuves plus limitées de l'implication de l'insula, ce qui concorde également avec des données récentes suggérant l'implication de ces régions dans l'addiction. Il convient de noter que notre analyse constitue un test rigoureux des modèles cortico-sous-corticaux de l'addiction, puisqu'elle incluait des mesures de connectivité fonctionnelle par paires entre 90 régions différentes réparties dans l'ensemble du cerveau. Le fait que les systèmes cortico-sous-corticaux soient apparus comme une pathologie majeure grâce à cette analyse entièrement basée sur les données confirme fortement l'implication de ces systèmes dans l'addiction à Internet. De plus, nos résultats indiquent que l'addiction à Internet partage des caractéristiques neurobiologiques avec d'autres troubles addictifs et que les régions sous-corticales, en particulier, pourraient représenter des sites centraux de la pathologie du réseau cérébral. Il est important de noter que, selon l'Institut national américain sur l'abus de drogues (NIDA), les addictions comportementales pourraient constituer des modèles d'addiction relativement purs, étant donné qu'elles ne sont pas influencées par les effets des substances [55] . Alors que l'étude de nombreux autres troubles addictifs est invariablement biaisée par les effets toxiques secondaires de la consommation de substances, l'addiction à Internet est diagnostiquée sur le plan comportemental et offre ainsi un modèle d'étude de l'addiction plus ciblé, exempt des effets à long terme des drogues.
Dans cette étude, le NBS a été utilisé avec une taille de réseau mesurée en fonction de son étendue; c'est-à-dire le nombre total de connexions composant le réseau. Cette mesure de taille n'est pas adaptée à la détection d'effets focaux impliquant des connexions isolées uniques qui ne forment pas collectivement un réseau. Pour tester ces types de différences focales entre groupes, l'analyse NBS a été répétée en recherchant des différences de masse de composant plutôt que de taille. La statistique de masse offre une plus grande sensibilité aux effets focaux et intenses que la recherche de différences dans la taille des composants. De plus, nous avons également établi des seuils de comparaison bord à l’aide du FDR, qui sera très sensible aux effets focaux de forte intensité. Aucune différence significative entre les groupes n'était apparente avec le FDR ou les statistiques de masse, ce qui suggère que la connectivité aberrante dans la dépendance à Internet englobe un réseau distribué impliquant plusieurs régions corticales et sous-corticales.
Étant donné que les propriétés des réseaux cérébraux sont connues pour être sensibles au choix du modèle de parcellisation, nous avons étudié plusieurs schémas de parcellisation alternatifs afin d'évaluer la reproductibilité des résultats suite à des modifications de la définition des nœuds [45] , [56] , [57] . Cela nous a permis d'exclure la possibilité que certains résultats soient simplement dus à un positionnement statistiquement favorable des nœuds, mais non reproductibles avec d'autres parcellisations reconnues.
Contrairement à la diminution de la force de la connectivité fonctionnelle, les paramètres topologiques n'ont révélé aucune différence significative entre les groupes. Même en menant des analyses exploratoires complémentaires, basées sur un contrôle moins strict du risque d'erreur de type I, les résultats ont indiqué une possible différence topologique impliquant principalement le lobe occipital, qui n'était pas affecté dans l'analyse NBS. Ainsi, bien que la dépendance à Internet soit associée à une diminution généralisée et significative de la connectivité fonctionnelle dans les circuits cortico-sous-corticaux, cette diminution n'est pas associée à une perturbation globale de la topologie du réseau fonctionnel cérébral. Cette étude démontre que des différences généralisées de connectivité fonctionnelle peuvent exister en l'absence d'altérations des mesures topologiques de base. Il peut sembler surprenant que les différences de force de connectivité soient si généralisées en l'absence de toute différence topologique significative. Cependant, il est important de souligner que la topologie et la force de connectivité sont des propriétés distinctes du connectome et que des anomalies dans l'une n'impliquent pas nécessairement des anomalies dans l'autre. Des résultats similaires ont été observés dans d'autres troubles [52] , [58] . Notons toutefois que les différences entre les groupes concernant certaines propriétés topologiques tendaient vers la significativité statistique. L'analyse d'un échantillon plus large pourrait fournir la puissance statistique nécessaire pour conclure à la significativité de ces effets. Nos résultats suggèrent que les changements topologiques peuvent être plus subtils que ceux observés pour les mesures de connectivité fonctionnelle.
Parmi les 59 connexions incluses dans le réseau altéré, 25 étaient interhémisphériques et 34 intrahémisphériques, ce qui indique l'implication de connexions à longue et à courte portée dans l'ensemble du cerveau. Étant donné que la dépendance à Internet est un trouble mental récemment reconnu, dont le concept et les critères diagnostiques restent encore flous et indéterminés, la présence d'un réseau aussi largement affecté dans le cerveau de ces sujets peut surprendre. Récemment, Lin et al. (2012) ont étudié l'intégrité de la substance blanche cérébrale chez des adolescents souffrant de dépendance à Internet à l'aide de l'imagerie par tenseur de diffusion et ont constaté une diminution généralisée de l'anisotropie fractionnelle (FA) dans l'ensemble du cerveau, sans zone de FA plus élevée dans le groupe dépendant à Internet [13] . Ces résultats suggèrent une base anatomique possible aux perturbations fonctionnelles observées dans notre échantillon, une hypothèse qui pourrait être testée en combinant l'IRMf et l'imagerie de diffusion chez les mêmes participants [59].
Concernant le grand nombre de connexions interhémisphériques observées dans le réseau altéré, l'importance d'une communication interhémisphérique efficace pour les fonctions cérébrales est reconnue depuis longtemps [60] – [63] . Cependant, relativement peu d'études de neuro-imagerie sur l'addiction ont examiné l'intégration fonctionnelle entre les deux hémisphères. Récemment, Kelly et al. (2011) ont observé une connectivité fonctionnelle interhémisphérique réduite chez des adultes dépendants à la cocaïne [64] . Ils ont mis en évidence une implication prédominante du réseau fronto-pariétal, avec une relative préservation des régions temporales, des résultats qui rejoignent les nôtres. Bien que les auteurs aient principalement interprété cette observation comme reflétant les effets à long terme d'une exposition chronique à la cocaïne, ils ont également évoqué la possibilité que cette connectivité fonctionnelle interhémisphérique réduite ait précédé l'exposition à la cocaïne, constituant ainsi une vulnérabilité aux troubles addictifs. Nos résultats suggèrent que ces modifications interhémisphériques reflètent soit une vulnérabilité aux troubles addictifs, soit un corrélat neuronal du comportement addictif en général, plutôt qu'une conséquence d'une consommation prolongée de drogue, étant donné que l'addiction dans notre échantillon a été définie en termes purement comportementaux. Ces possibilités pourraient être évaluées en recherchant des similitudes phénotypiques entre les proches non atteints de personnes souffrant de troubles de dépendance aux drogues ou de troubles comportementaux.
Il est intéressant de noter qu'un schéma similaire de diminution de la connectivité fonctionnelle au repos entre les régions frontales et pariétales a été observé chez les personnes dépendantes à la cocaïne et à l'héroïne [ 64] , [65] . Dans une revue récente, Sutherland et al. (2012) ont suggéré que la diminution de la connectivité dans les circuits fronto-pariétaux pourrait être un élément central du réseau de contrôle cognitif altéré chez les populations toxicomanes [54] . Nos résultats concernant la dépendance à Internet appuient également l'idée que la diminution de la connectivité fonctionnelle entre les régions frontales et pariétales pourrait être une caractéristique commune à différents types de dépendance, suggérant l'existence d'un phénotype partagé qui ne serait pas une conséquence secondaire de la consommation de drogues. De plus, une étude récente de la connectivité fonctionnelle cérébrale globale dans la schizophrénie a montré des modifications fronto-temporales plus importantes que des modifications fronto-pariétales ou fronto-striatales [52] , ce qui concorde avec les modèles physiopathologiques classiques de la maladie [66] . Bien entendu, la découverte la plus remarquable de cette étude est l'association entre la dépendance à Internet et une pathologie des circuits striataux, un système fréquemment impliqué dans d'autres troubles addictifs, suggérant un phénotype neurobiologique commun . L'identification de circuits striataux altérés, similaires à ceux de troubles addictifs bien établis, pourrait permettre de vérifier si le modèle de l'addiction constitue un cadre théorique approprié pour comprendre ce trouble [67] , [68] . Cependant, la question de savoir si une altération relativement plus marquée de la connectivité fonctionnelle fronto-pariétale et fronto-striatale est spécifique aux troubles addictifs reste posée. Des études comparatives directes entre différents troubles sont nécessaires pour établir cette spécificité.
L'une des découvertes les plus intéressantes de cette étude est l'implication importante du putamen. Cette structure cérébrale est connue pour moduler plusieurs neurotransmetteurs, dont la dopamine, et une altération de la fonction dopaminergique striatale est fortement impliquée comme l'un des mécanismes biologiques clés des troubles addictifs [8] . La dopamine est un modulateur essentiel de la fonction du putamen et pourrait jouer un rôle important dans les perturbations de la connectivité fonctionnelle observées dans cette étude. Ceci est cohérent avec des données récentes montrant que le transporteur de dopamine striatal et la disponibilité des récepteurs D2 sont altérés chez les personnes souffrant d'addiction à Internet [6] , [7] et que la modulation génétique et pharmacologique des niveaux de dopamine cérébrale peut avoir un impact profond sur les profils de connectivité fonctionnelle [69] – [71] . Compte tenu de ces résultats antérieurs et du mécanisme neurobiologique proposé pour l'addiction, impliquant une altération de la fonction dopaminergique striatale [8] , la compréhension des effets de la dopamine sur le réseau présentant une connectivité fonctionnelle altérée dans la présente étude constituera une avancée importante dans la compréhension des corrélats neurobiologiques de l'addiction à Internet.
Notre observation selon laquelle le putamen était la région sous-corticale la plus fortement impliquée dans le réseau fonctionnel diminué, épargnant le noyau caudé, est également intéressante. Ces deux structures font partie du striatum, lui-même inclus dans les structures sous-corticales. Le putamen est généralement considéré comme une région cérébrale associée à l'activité motrice et a été moins souvent impliqué dans la dépendance aux substances que le noyau caudé . Parmi les activités motrices, il a été démontré qu'une séquence bien apprise de mouvements répétitifs des doigts est associée à une activation du putamen [72] – [76] . Les personnes souffrant de dépendance à Internet peuvent présenter une fréquence beaucoup plus élevée de certains comportements sur une longue période, notamment la manipulation répétitive de la souris et du clavier, et ces expériences peuvent affecter leur cerveau. Par conséquent, une connectivité aberrante provenant du putamen pourrait indiquer une caractéristique spécifique de la dépendance à Internet. Cependant, comme nous n'avons pas mesuré le degré de manipulation des doigts chez nos participants, l'implication d'une connectivité fonctionnelle diminuée plutôt qu'augmentée impliquant le putamen en relation avec la manipulation de la souris/du clavier reste à explorer dans de futures recherches. Alternativement, l’implication du putamen dans nos résultats peut refléter son rôle dans les processus cognitifs partagés avec le noyau caudé et qui sont altérés dans la dépendance, tels que le traitement de la récompense [77] , [78].
Un autre point digne d'intérêt est l'absence d'augmentation de la connectivité fonctionnelle dans le groupe présentant une dépendance à Internet. Bien que nous nous attendions principalement à observer une diminution de la connectivité fonctionnelle dans ce groupe, nous n'avons pas exclu la possibilité d'une augmentation, notamment compte tenu de l'hypothèse selon laquelle les adolescents dépendants à Internet pourraient présenter un effet d'apprentissage dû à une activité en ligne excessive [79] – [82] . Une explication possible de ce résultat négatif pourrait être la petite taille de notre échantillon, insuffisante pour détecter cette augmentation de la connectivité fonctionnelle liée à l'apprentissage. Cependant, il n'est pas encore clairement établi si les performances cognitives dans certaines tâches ou la gravité de certaines psychopathologies se manifestent par une diminution ou une augmentation de la connectivité fonctionnelle [83] , [84] . Il convient également de considérer que l'effet d'une utilisation excessive et prolongée d'Internet pourrait influencer différemment le cerveau selon les sous-populations. Par exemple, les joueurs professionnels de jeux en ligne, qui pratiquent intensivement Internet, consacrent un temps d'entraînement similaire et obtiennent probablement de meilleurs résultats que les personnes dépendantes à Internet, ne semblent pourtant pas être dépendants, comme en témoigne leur score YIAS significativement plus faible [85] . On pourrait donc supposer que les effets de la pratique dans les activités sur Internet se manifestent peut-être différemment selon les individus.
La présente étude comporte d'importantes limites. Premièrement, la taille de l'échantillon était relativement petite, ce qui a probablement limité notre capacité à détecter des corrélations significatives entre la connectivité fonctionnelle et les scores YIAS. Par conséquent, nos résultats doivent être reproduits sur un échantillon plus large de participants présentant une dépendance à Internet et de sujets témoins. Il est toutefois à noter que la taille de notre échantillon était globalement comparable à celle des précédentes études de neuroimagerie fonctionnelle sur la dépendance à Internet. Notre échantillon était unique, la plupart des études antérieures ayant été réalisées chez des adultes [2] – [7] . Deuxièmement, les critères diagnostiques de la dépendance à Internet ne sont pas encore clairement établis, bien que nos résultats suggèrent une base neurobiologique potentielle pour ce trouble présumé. Troisièmement, malgré l'exclusion des troubles mentaux comorbides à l'aide du K-SADS-PL, des symptômes infraliminaires de ces troubles pourraient avoir persisté. Quatrièmement, la collecte d'un plus large éventail d'informations cliniques, telles que les habitudes de sommeil, aurait pu enrichir nos données et améliorer notre contribution à la littérature [86] , [87] . Enfin, la nature transversale de l'étude limite l'interprétation d'une relation causale entre la diminution de la connectivité fonctionnelle et le développement de la dépendance à Internet. Il convient de noter que les mouvements de la tête constituent un facteur de confusion important en neuroimagerie fonctionnelle [38] , [88] . Dans cette étude, les mouvements de la tête ont été évalués de manière exhaustive à l'aide d'une série de mesures de rotation et de déplacement récemment proposées [38] . Aucune différence significative n'a été observée entre les groupes pour aucune des mesures de mouvements de la tête considérées.
En résumé, les résultats de cette étude suggèrent que les adolescents souffrant d'addiction à Internet présentent une connectivité fonctionnelle cérébrale altérée, en l'absence de perturbations majeures de la topologie du réseau. Ce réseau altéré révèle une implication importante des connexions interhémisphériques à longue portée ainsi que des connexions intrahémisphériques à courte portée dans l'ensemble du cerveau. Les régions sous-corticales pourraient jouer un rôle important dans ce réseau altéré, notamment le putamen, qui présente une diminution des connexions avec les trois principaux lobes cérébraux impliqués.
Renseignements à l'appui
Réseau de connectivité fonctionnelle cérébrale réduite chez les adolescents présentant une dépendance à Internet (à l'aide de différents atlas). Les points rouges représentent les centroïdes stéréotaxiques des régions cérébrales (nœuds) définies par l'atlas structurel de l'Institut neurologique de Montréal (MNI) (A) et l'atlas de parcellisation aléatoire (B), et les lignes bleues représentent les liens supraliminaires (t = 2.1 et 3.0, respectivement) composant le réseau affecté identifié par la statistique basée sur le réseau (NBS) ( p < 0.05, corrigé par composante).
Proportion des connexions affectées par la dépendance à Internet reliant des paires distinctes de grandes divisions cérébrales (détaillées pour les régions sous-corticales). Le nombre de connexions impliquant chaque paire de divisions est normalisé par le nombre total de connexions par paires.
Coefficient de regroupement local. Ce tableau présente les résultats de tendance avec une correction des faux positifs moins stricte (p < (1/90) = 0.011) ; aucun résultat n’a résisté à la correction standard du taux de faux positifs pour les comparaisons multiples.
Longueur du chemin local. Ce tableau présente les résultats de la tendance avec une correction des faux positifs moins stricte (p < (1/90) = 0.011) ; aucun résultat n’a résisté à la correction standard du taux de fausses découvertes pour les comparaisons multiples.
Contributions d'auteur
Conçu et conçu les expériences: SBH EJC HHK JES CDK JWK SHY. Effectué les expériences: SBH EJC HHK JES. Analysé les données: SBH AZ LC AF. Réactifs, matériaux et outils d’analyse utiles: SBH AZ LC AF CDK JWK SHY. A écrit: SBH AZ LC AF EJC HHK JES CDK JWK SHY.
Références
- Ko CH, Yen JY, CF Yen, CS Chen, CC Chen (2012) L'association entre la dépendance à Internet et les troubles psychiatriques: une revue de la littérature. Eur Psychiatry 27: 1 – 8. est ce que je: 10.1016 / j.eurpsy.2010.04.011. Retrouvez cet article en ligne
- Dong G, Huang J, Du X (2011) Amélioration de la sensibilité aux récompenses et diminution de la sensibilité aux pertes chez les toxicomanes Internet: une étude IRMf au cours d’une tâche de sélection. J Psychiatr Res 45: 1525 – 1529. est ce que je: 10.1016 / j.jpsychires.2011.06.017. Retrouvez cet article en ligne
- Han DH, Bolo N., MA Daniels, Arenella L., Lyoo IK, et al. (2011) Activité cérébrale et désir de jouer à un jeu vidéo sur Internet. Compr Psychiatry 52: 88 – 95. est ce que je: 10.1016 / j.comppsych.2010.04.004. Retrouvez cet article en ligne
- Han DH, Kim YS, Lee YS, KJ Min, Renshaw PF (2010) Modifications de l'activité du cortex préfrontal induite par la réplique lors de la lecture de jeux vidéo. Cyberpsychol Behav Soc Réseaux 13: 655 – 661. est ce que je: 10.1089 / cyber.2009.0327. Retrouvez cet article en ligne
- 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. J Psychiatr Res 43: 739 – 747. est ce que je: 10.1016 / j.jpsychires.2008.09.012. Retrouvez cet article en ligne
- Kim SH, SH Baik, CS Park, Kim SJ, Choi SW, et al. (2011) Réduction des récepteurs D2 de la dopamine striatale chez les personnes ayant une dépendance à Internet. Neuroreport 22: 407 – 411. est ce que je: 10.1097/WNR.0b013e328346e16e. Retrouvez cet article en ligne
- Hou H, Jia S, Hu S, Fan R, Sun W, et al. (2012) Réduction du nombre de transporteurs de dopamine striataux chez les personnes souffrant de trouble de la dépendance à Internet. J Biomed Biotechnol 2012: 854524. est ce que je: 10.1155/2012/854524. Retrouvez cet article en ligne
- Goldstein RZ, ND de Volkow (2011): dysfonctionnement du cortex préfrontal dans la toxicomanie: résultats de la neuro-imagerie et implications cliniques. Rév. Nat Neurosci 12: 652 – 669. est ce que je: 10.1038 / nrn3119. Retrouvez cet article en ligne
- Goldstein RZ, Craig AD, Bechara A, Garavan H, Childress AR, et al. (2009) Neurocircuitry de l'intuition altérée dans la toxicomanie. Tendances Cogn Sci 13: 372 – 380. est ce que je: 10.1016 / j.tics.2009.06.004. Retrouvez cet article en ligne
- Naqvi NH, Bechara A (2010) L'insula et la toxicomanie: une vision interoceptive du plaisir, des pulsions et de la prise de décision. Brain Struct Funct 214: 435 – 450. est ce que je: 10.1007/s00429-010-0268-7. Retrouvez cet article en ligne
- Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, et al. (2011) Anomalies de la matière grise dans la dépendance à Internet: une étude de morphométrie à base de voxel. Eur J Radiol 79: 92 – 95. est ce que je: 10.1016 / j.ejrad.2009.10.025. Retrouvez cet article en ligne
- Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Anomalies de la microstructure chez des adolescents présentant un trouble de dépendance à Internet. PLoS One 6: e20708. est ce que je: 10.1371 / journal.pone.0020708. Retrouvez cet article en ligne
- Lin F, Y Zhou, Y Du, Qin L, Zhao Z, et al. (2012) Intégrité anormale de la substance blanche chez les adolescents présentant un trouble de dépendance à Internet: une étude de statistiques spatiales basée sur les voies. PLoS One 7: e30253. est ce que je: 10.1371 / journal.pone.0030253. Retrouvez cet article en ligne
- 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. Retrouvez cet article en ligne
- Yuan K, Qin W, Liu Y, Tian J (2011) Dépendance à Internet: résultats de la neuroimagerie. Commun Integr Biol 4: 637 – 639. Retrouvez cet article en ligne
- Raichle ME, Snyder AZ (2007) Un mode de fonctionnement cérébral par défaut: bref historique d'une idée en évolution. Neuroimage 37: 1083 – 1090; discussion 1097 – 1089. est ce que je: 10.1016 / j.neuroimage.2007.02.041. Retrouvez cet article en ligne
- Fox MD, Corbetta M, Snyder AZ, Vincent JL et Raichle ME (2006) L’activité neuronale spontanée distingue les systèmes d’attention ventrale et dorsale de l’être humain. Proc Natl Acad Sci USA 103: 10046 – 10051. est ce que je: 10.1073 / pnas.0604187103. Retrouvez cet article en ligne
- Smith SM, Miller KL, S Moeller, J Xu, Auerbach EJ et al. (2012) Modes fonctionnels d'activité cérébrale spontanée temporairement indépendants. Proc Natl Acad Sci USA 109: 3131 – 3136. est ce que je: 10.1073 / pnas.1121329109. Retrouvez cet article en ligne
- Damoiseaux JS, SA Rombouts, F. Barkhof, P. Scheltens, Stam CJ, et al. (2006) Réseaux d'état de repos cohérent entre sujets sains. Proc Natl Acad Sci USA 103: 13848 – 13853. est ce que je: 10.1073 / pnas.0601417103. Retrouvez cet article en ligne
- Shehzad Z, Kelly AM, Reiss PT, Gee DG, Gotimer K, et al. (2009) Le cerveau au repos: non contraint mais fiable. Cereb Cortex 19: 2209 – 2229. est ce que je: 10.1093 / cercor / bhn256. Retrouvez cet article en ligne
- Fornito A, phénotypes intermédiaires Connectomic de Bullmore ET (2012) pour les troubles psychiatriques. Psychiatrie avant 3: 32. est ce que je: 10.3389 / fpsyt.2012.00032. Retrouvez cet article en ligne
- Fornito A, A Zalesky, DS Bassett, D. Meunier, Ellison-Wright I, et al. (2011) Influences génétiques sur l’organisation rentable des réseaux fonctionnels corticaux humains. J Neurosci 31: 3261 – 3270. est ce que je: 10.1523 / JNEUROSCI.4858-10.2011. Retrouvez cet article en ligne
- DC Glahn, AM Winkler, P Kochounov, L Almasy, R Duggirala, et al. (2010) Contrôle génétique sur le cerveau au repos. Proc Natl Acad Sci USA 107: 1223 – 1228. est ce que je: 10.1073 / pnas.0909969107. Retrouvez cet article en ligne
- Fox MD, Raichle ME (2007) Fluctuations spontanées de l'activité cérébrale observées avec l'imagerie par résonance magnétique fonctionnelle. Nat Rev Neurosci 8: 700 – 711. est ce que je: 10.1038 / nrn2201. Retrouvez cet article en ligne
- Fornito A, Bullmore ET (2010) Que peuvent nous dire les fluctuations spontanées du signal dépendant du taux d'oxygénation du sang sur les troubles psychiatriques? Opinion actuelle en psychiatrie 23: 239 – 249. est ce que je: 10.1097/YCO.0b013e328337d78d. Retrouvez cet article en ligne
- Bullmore E, Sporns O (2009) Réseaux cérébraux complexes: analyse théorique de graphes de systèmes structurels et fonctionnels. Rév. Nat Neurosci 10: 186 – 198. Retrouvez cet article en ligne
- Block JJ (2008) Problèmes liés à DSM-V: dépendance à Internet. Am J Psychiatry 165: 306 – 307. est ce que je: 10.1176 / appi.ajp.2007.07101556. Retrouvez cet article en ligne
- Rubinov M, Sporns O (2010) Mesures complexes de la connectivité cérébrale en réseau: utilisations et interprétations. Neuroimage 52: 1059 – 1069. est ce que je: 10.1016 / j.neuroimage.2009.10.003. Retrouvez cet article en ligne
- Xia M, He Y (2011) Imagerie par résonance magnétique et analyse théorique par graphes de réseaux cérébraux complexes en présence de troubles neuropsychiatriques. Brain Connect 1: 349 – 365. est ce que je: 10.1089 / brain.2011.0062. Retrouvez cet article en ligne
- Fornito A, Zalesky A, Pantelis C, Bullmore ET (2012) Schizophrénie, neuroimagerie et connectomique. Neuroimage fait: 10.1016 / j.neuroimage.2011.12.090. Retrouvez cet article en ligne
- Gong G, He Y, Evans AC (2011) Connectivité cérébrale: le genre fait la différence. Neuroscientifique 17: 575 – 591. est ce que je: 10.1177/1073858410386492. Retrouvez cet article en ligne
- Widyanto L, McMurran M (2004) Les propriétés psychométriques du test de dépendance à Internet. Cyberpsychol Behav 7: 443 – 450. est ce que je: 10.1089 / cpb.2004.7.443. Retrouvez cet article en ligne
- Kaufman J, Birmaher B, Brent D, Rao U, Flynn C, et al. (1997) Calendrier relatif aux troubles affectifs et à la schizophrénie chez les enfants d'âge scolaire - Version actuelle et à vie (K-SADS-PL): données initiales sur la fiabilité et la validité. J Am Acad Psychiatrie des enfants adolescents 36: 980 – 988. est ce que je: 10.1097 / 00004583-199707000-00021. Retrouvez cet article en ligne
- Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ, et al. (2004) La fiabilité et la validité de Kiddie-Schedule pour les troubles affectifs et la schizophrénie - Version actuelle et à vie - Version coréenne (K-SADS-PL-K). Yonsei Med J 45: 81 – 89. Retrouvez cet article en ligne
- Christakis DA (2010) La dépendance à Internet: une épidémie du Xème siècle? BMC Med 21: 8. est ce que je: 10.1186/1741-7015-8-61. Retrouvez cet article en ligne
- Flisher C (2010) Brancher: un aperçu de la dépendance à Internet. J Santé pédiatrique pour enfants 46: 557 – 559. est ce que je: 10.1111 / j.1440-1754.2010.01879.x. Retrouvez cet article en ligne
- Chao-Gan Y, Yu-Feng Z (2010) DPARSF: Une boîte à outils MATLAB pour l'analyse des données «pipeline» de l'IRMf à l'état de repos. Système avant Neurosci 4: 13. Retrouvez cet article en ligne
- Van Dijk KR, MR Sabuncu, Buckner RL (2012) Influence du mouvement de la tête sur la connectivité fonctionnelle intrinsèque. IRM. Neuroimage 59: 431 – 438. est ce que je: 10.1016 / j.neuroimage.2011.07.044. Retrouvez cet article en ligne
- Wilke M, Pays-Bas SK, Altaye M, Gaser C (2008) Template-O-Matic: une boîte à outils pour la création de modèles pédiatriques personnalisés. Neuroimage 41: 903 – 913. est ce que je: 10.1016 / j.neuroimage.2008.02.056. Retrouvez cet article en ligne
- Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) Marquage anatomique automatisé des activations dans SPM à l'aide d'une parcellation anatomique macroscopique du cerveau d'un seul sujet de MNI IRM. Neuroimage 15: 273 – 289. est ce que je: 10.1006 / nimg.2001.0978. Retrouvez cet article en ligne
- Zalesky A, Fornito A, Bullmore ET (2010) Statistique basée sur les réseaux: identification des différences entre les réseaux cérébraux. Neuroimage 53: 1197 – 1207. est ce que je: 10.1016 / j.neuroimage.2010.06.041. Retrouvez cet article en ligne
- Zalesky A, Cocchi L, Fornito A, Murray MM, Bullmore E (2012) Différences de connectivité dans les réseaux cérébraux. Neuroimage 60: 1055 – 1062. est ce que je: 10.1016 / j.neuroimage.2012.01.068. Retrouvez cet article en ligne
- Nichols TE, Holmes AP (2002) Tests de permutation non paramétriques pour la neuroimagerie fonctionnelle: une amorce avec des exemples. Cartographie du cerveau humain 15: 1 – 25. est ce que je: 10.1002 / hbm.1058. Retrouvez cet article en ligne
- Perruque GS, Schlaggar BL, Petersen SE (2011) Concepts et principes de l'analyse des réseaux cérébraux. Ann NY Acad Sci 1224: 126 – 146. est ce que je: 10.1111 / j.1749-6632.2010.05947.x. Retrouvez cet article en ligne
- Zalesky A, Fornito A, Harding IH, Cocchi L, Yucel M, et al. (2010) Réseaux anatomiques cerveau entier: le choix des nœuds est-il important? Neuroimage 50: 970 – 983. est ce que je: 10.1016 / j.neuroimage.2009.12.027. Retrouvez cet article en ligne
- Bassett DS, Bullmore ET (2009) Réseaux de cerveau humain dans la santé et la maladie. Opin Neurol 22: 340 – 347. est ce que je: 10.1097/WCO.0b013e32832d93dd. Retrouvez cet article en ligne
- Guye M, Bettus G, Bartolomei F, Cozzone PJ (2010) Analyse théorique de graphes de la connectivité structurelle et fonctionnelle en IRM dans les réseaux cérébraux normaux et pathologiques. MAGMA 23: 409 – 421. est ce que je: 10.1007 / s10334-010-0205-z. Retrouvez cet article en ligne
- He Y, Evans A (2010) Modélisation théorique de la connectivité cérébrale. Opin Neurol 23: 341 – 350. est ce que je: 10.1097/WCO.0b013e32833aa567. Retrouvez cet article en ligne
- Bassett DS, MS Gazzaniga (2011) Comprendre la complexité du cerveau humain. Tendances Cogn Sci 15: 200 – 209. est ce que je: 10.1016 / j.tics.2011.03.006. Retrouvez cet article en ligne
- Maslov S, Sneppen K (2002) Spécificité et stabilité dans la topologie des réseaux de protéines. Science 296: 910 – 913. est ce que je: 10.1126 / science.1065103. Retrouvez cet article en ligne
- Genovese CR, Lazar NA, Nichols T (2002) Seuil des cartes statistiques en neuro-imagerie fonctionnelle à l'aide du taux de fausse découverte. Neuroimage 15: 870 – 878. est ce que je: 10.1006 / nimg.2001.1037. Retrouvez cet article en ligne
- Fornito A, Yoon J, A Zalesky, Bullmore ET, Carter CS (2011) Perturbations de la connectivité fonctionnelle générales et spécifiques de la schizophrénie au cours du premier épisode au cours de l'exécution d'un contrôle cognitif. Biol Psychiatry 70: 64 – 72. est ce que je: 10.1016 / j.biopsych.2011.02.019. Retrouvez cet article en ligne
- Lynall ME, Bassett DS, Kerwin R, McKenna PJ, Kitzbichler M, et al. (2010) Connectivité fonctionnelle et réseaux cérébraux dans la schizophrénie. J Neurosci 30: 9477 – 9487. Retrouvez cet article en ligne
- Sutherland MT, McHugh MJ, Pariyadath V, Stein EA (2012) Connectivité fonctionnelle à l'état de repos dans la toxicomanie: leçons apprises et voie à suivre. Neuroimage 62: 2281 – 2295. est ce que je: 10.1016 / j.neuroimage.2012.01.117. Retrouvez cet article en ligne
- Shaw M, Black DW (2008) Dépendance à Internet: définition, évaluation, épidémiologie et gestion clinique. Médicaments contre le SNC 22: 353 – 365. est ce que je: 10.2165 / 00023210-200822050-00001. Retrouvez cet article en ligne
- Wang J, Wang L, Zang Y, Yang H, Tang H et al. (2009) Réseaux fonctionnels du cerveau du petit monde dépendant de la parcellation: étude IRMf à l'état de repos. Hum Brain Mapp 30: 1511 – 1523. est ce que je: 10.1002 / hbm.20623. Retrouvez cet article en ligne
- Fornito A, Zalesky A, Bullmore ET (2010) Effets d'échelle de réseau dans les études analytiques de graphes de données d'IRMf humaines à l'état de repos. Système avant Neurosci 4: 22. est ce que je: 10.3389 / fnsys.2010.00022. Retrouvez cet article en ligne
- Cocchi L, Bramati IE, Zalesky A, Furukawa E, Fontenelle L, et al. (2012) Modification de la connectivité cérébrale fonctionnelle dans un échantillon non clinique de jeunes adultes présentant un trouble déficit de l'attention / hyperactivité. J Neurosci doi: 10.1523 / JNEUROSCI.3272-12.2012. Retrouvez cet article en ligne
- Honey CJ, Sporns O, L Cammoun, Gigandet X, JP Thiran et al. (2009) Prédiction de la connectivité fonctionnelle de l'état de repos humain à partir de la connectivité structurelle. Proc Natl Acad Sci USA 106: 2035 – 2040. est ce que je: 10.1073 / pnas.0811168106. Retrouvez cet article en ligne
- Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Diminution de la connectivité fonctionnelle interhémisphérique dans l'autisme. Cereb Cortex 21: 1134 – 1146. est ce que je: 10.1093 / cercor / bhq190. Retrouvez cet article en ligne
- Clarke AR, Barry RJ, PC Heaven, McCarthy R, Selikowitz M, et al. (2008) Cohérence EEG chez l’adulte présentant un trouble déficit de l'attention / hyperactivité. Int J Psychophysiol 67: 35 – 40. est ce que je: 10.1016 / j.ijpsycho.2007.10.001. Retrouvez cet article en ligne
- Pettigrew JD, Miller SM (1998) Un interrupteur interhémisphérique «collant» dans le trouble bipolaire? Proc Biol Sei 265: 2141–2148. est ce que je: 10.1098 / rspb.1998.0551. Retrouvez cet article en ligne
- Spencer KM, PG Nestor, MA Niznikiewicz, DF Salisbury, ME Shenton, et al. (2003) Synchronie neurale anormale dans la schizophrénie. J Neurosci 23: 7407 – 7411. Retrouvez cet article en ligne
- Kelly C, Zuo XN, Gotimer K, CL Cox, Lynch L, et al. (2011) Connectivité fonctionnelle de l’état de repos interhémisphérique réduite dans l’addiction à la cocaïne. Biol Psychiatry 69: 684 – 692. est ce que je: 10.1016 / j.biopsych.2010.11.022. Retrouvez cet article en ligne
- 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. Neurosci Lett 482: 101 – 105. est ce que je: 10.1016 / j.neulet.2010.07.005. Retrouvez cet article en ligne
- Fletcher P, PJ McKenna, KJ Friston, CD Frith, Dolan RJ (1999) Modulation anormale du cingulum de la connectivité fronto-temporale dans la schizophrénie. Neuroimage 9: 337 – 342. est ce que je: 10.1006 / nimg.1998.0411. Retrouvez cet article en ligne
- Choi JS, Shin YC, Jung WH, Jang JH, Kang DH et al. (2012) Activité cérébrale altérée lors de l’anticipation des récompenses dans le jeu pathologique et le trouble obsessionnel-compulsif. PLoS One 7: e45938. est ce que je: 10.1371 / journal.pone.0045938. Retrouvez cet article en ligne
- Tomasi D, ND de Volkow (2012), Dysfonctionnement de la voie striatocorticale dans la dépendance et l'obésité: différences et similitudes. Crit Rev Biochem Mol Biol doi: 10.3109/10409238.2012.735642. Retrouvez cet article en ligne
- Cole DM, Oei NY, Soeter RP, les deux S, van Gerven JM, et al. (2012) Architecture dépendante de la dopamine de la connectivité réseau cortico-sous-corticale. Cereb Cortex doi: 10.1093 / cercor / bhs136. Retrouvez cet article en ligne
- Gordon EM, Stollstorff M, Devaney JM, Bean S, Vaidya CJ (2011) Effet du génotype du transporteur de dopamine sur la connectivité fonctionnelle intrinsèque dépend de l'état cognitif. Cereb Cortex doi: 10.1093 / cercor / bhr305. Retrouvez cet article en ligne
- Rieckmann A, S Karlsson, Fischer H, Backman L (2011) La densité du récepteur D1 de la dopamine Caudate est associée à des différences individuelles de connectivité frontopariétal au cours de la mémoire de travail. J Neurosci 31: 14284 – 14290. est ce que je: 10.1523 / JNEUROSCI.3114-11.2011. Retrouvez cet article en ligne
- Lehericy S., Bardinet E., Tremblay L., Van de Moortele PF, Pochon JB et al. (2006) Contrôle moteur dans les circuits des noyaux gris centraux à l'aide d'approches IRMf et d'atlas cérébral. Cereb Cortex 16: 149 – 161. est ce que je: 10.1093 / cercor / bhi089. Retrouvez cet article en ligne
- Jenkins IH, DJ Brooks, PD Nixon, Frackowiak RS, Passingham RE (1994) Apprentissage des séquences motrices: une étude avec tomographie par émission de positrons. J Neurosci 14: 3775 – 3790. Retrouvez cet article en ligne
- Jueptner M, CD Frith, DJ Brooks, Frackowiak RS, Passingham RE (1997) Anatomie de l’apprentissage moteur. II. Structures sous-corticales et apprentissage par essais et erreurs. J Neurophysiol 77: 1325 – 1337. Retrouvez cet article en ligne
- Roland PE, Meyer E, Shibasaki T, Yamamoto YL, juge en chef Thompson (1982) Modifications du débit sanguin cérébral régional dans le cortex et les noyaux gris centraux lors de mouvements volontaires chez des volontaires humains normaux. J Neurophysiol 48: 467 – 480. Retrouvez cet article en ligne
- Shibasaki H., Sadato N., Lyshkow H., Yonekura Y., Honda M. et al. (1993) Le cortex moteur primaire et la zone motrice supplémentaire jouent un rôle important dans les mouvements complexes des doigts. Cerveau 116 (Pt 6): 1387 – 1398. est ce que je: 10.1093 / brain / 116.6.1387. Retrouvez cet article en ligne
- ND de Volkow, JS Fowler, Wang GJ (2003) Le cerveau humain dépendant: informations tirées d'études en imagerie. J Clin Invest 111: 1444 – 1451. Retrouvez cet article en ligne
- Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Modification des réseaux fonctionnels cérébraux et de la durée de consommation d'héroïne dans le petit monde chez des hommes dépendants à l'héroïne abstinents. Neurosci Lett 477: 37 – 42. est ce que je: 10.1016 / j.neulet.2010.04.032. Retrouvez cet article en ligne
- Di X, Zhu S, Jin H, Wang P, Ye Z, et al. (2012) Modification de la structure et du fonctionnement du cerveau au repos chez les joueurs de badminton professionnels. Brain Connect 2: 225 – 233. est ce que je: 10.1089 / brain.2011.0050. Retrouvez cet article en ligne
- Duan X, Liao W, Liang D, Qiu L, Gao Q et al. (2012) Réseaux de cerveaux à grande échelle chez les experts en jeux de plateau: aperçus d'une tâche liée à un domaine et d'un état de repos sans tâche. PLoS One 7: e32532. est ce que je: 10.1371 / journal.pone.0032532. Retrouvez cet article en ligne
- Ma L, Narayana S, DA Robin, Fox PT, Xiong J (2011) Des changements se produisent dans le réseau à l'état de repos du système moteur pendant des semaines d'apprentissage de la motricité 4. Neuroimage 58: 226 – 233. Retrouvez cet article en ligne
- Martinez K, Solana AB, M Burgaleta, Juges Hernandez-Tamames, J Alvarez-Linera, et al. (2012) Modifications des réseaux pariéto-frontaux fonctionnellement connectés à l'état de repos après la pratique du jeu vidéo. Hum Brain Mapp Doi: 10.1002 / hbm.22129. Retrouvez cet article en ligne
- Zhou Y, M. Liang, Tian L, K Wang, Hao Y, et al. (2007) Désintégration fonctionnelle dans la schizophrénie paranoïde en utilisant une IRMf à l'état de repos. Schizophr Res 97: 194 – 205. est ce que je: 10.1016 / j.schres.2007.05.029. Retrouvez cet article en ligne
- Whitfield-Gabrieli S, Thermenos HW, Milanovic S, Tsuang MT, Faraone SV, et al. (2009) Hyperactivité et hyperconnectivité du réseau par défaut dans la schizophrénie et chez les parents au premier degré de personnes atteintes de schizophrénie. Proc Natl Acad Sci USA 106: 1279 – 1284. est ce que je: 10.1073 / pnas.0809141106. Retrouvez cet article en ligne
- Han DH, Lyoo IK, PF Renshaw (2012) Différents volumes de matière grise régionale chez les patients présentant une dépendance au jeu en ligne et les joueurs professionnels. J Psychiatr Res 46: 507 – 515. est ce que je: 10.1016 / j.jpsychires.2012.01.004. Retrouvez cet article en ligne
- JA De Havas, Parimal S, Soon CS, Chee MW (2012). La privation de sommeil réduit la connectivité réseau et l’anti-corrélation en mode par défaut pendant les périodes de repos et d’exécution de la tâche. Neuroimage 59: 1745 – 1751. est ce que je: 10.1016 / j.neuroimage.2011.08.026. Retrouvez cet article en ligne
- Killgore WD, Schwab ZJ, MR de Weiner (2012) La durée de sommeil nocturne autodéclarée est associée à la connectivité fonctionnelle au repos le lendemain. Neuroreport 23: 741 – 745. est ce que je: 10.1097 / WNR.0b013e3283565056. Retrouvez cet article en ligne
- Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Des corrélations parasites mais systématiques dans la connectivité fonctionnelle des réseaux d'IRM découlent du mouvement du sujet. Neuroimage 59: 2142 – 2154. est ce que je: 10.1016 / j.neuroimage.2011.10.018. Retrouvez cet article en ligne