Diminution de la modulation par le niveau de risque sur l'activation du cerveau lors de la prise de décision chez les adolescents présentant un trouble du jeu sur Internet (2015)

Front Behav Neurosci. 2015; 9: 296.

Publié en ligne 2015 Nov 3. est ce que je:  10.3389 / fnbeh.2015.00296

PMCID: PMC4630310

 

Abstract

Une plus grande impulsion, une plus grande prise de risque et une capacité de décision réduite ont été signalées comme les principales déficiences comportementales chez les personnes atteintes de trouble du jeu sur Internet (IGD), qui est devenu un grave problème de santé mentale dans le monde. Cependant, il n'est pas clair pour le moment de savoir comment le niveau de risque module l'activité cérébrale au cours du processus de prise de décision chez les individus IGD. Dans cette étude, des adolescents 23 avec IGD et des témoins sains 24 (HC) sans IGD ont été recrutés et la tâche de risque analogue du ballon (BART) a été utilisée dans une expérience d'imagerie par résonance magnétique fonctionnelle pour évaluer la modulation du niveau de risque ballon) sur l'activité cérébrale au cours de la prise de décision à risque chez les adolescents IGD. Une modulation réduite du niveau de risque lors de l'activation du cortex préfrontal dorsolatéral droit (DLPFC) au cours du BART actif a été observée dans le groupe IGD par rapport aux HC. Dans le groupe IGD, il existait une corrélation négative significative entre l’activation de la DLPFC liée au risque pendant les scores BART actifs et l’échelle d’impulsivité de Barratt (BIS-11), qui étaient significativement plus élevés dans le groupe IGD que chez les HC. Notre étude a démontré que, en tant que région cérébrale essentielle à la prise de décision, la DLPFC appropriée est moins sensible au risque chez les adolescents IGD que chez les patients HC, ce qui peut contribuer au niveau d'impulsivité plus élevé chez les adolescents IGD.

Mots clés: trouble du jeu sur Internet, BART, cortex préfrontal latéral dorsal, IRMf, prise de décision à risque

Introduction

Les troubles du jeu sur Internet sont de plus en plus répandus dans le monde, notamment en Asie (; ) et a des conséquences néfastes sur divers aspects comportementaux et psychosociaux (). La recherche comportementale a suggéré qu'une réduction de la capacité de prendre des décisions risquées est l'une des déficiences comportementales les plus importantes chez les individus souffrant d'IGD (; ). Par exemple, des chercheurs ont constaté que les individus souffrant d'IGD avaient fait des choix plus désavantageux que les HC en ce qui concerne la tâche du jeu de dés, et qu'une telle déficience peut être en partie le résultat de la non-utilisation de la rétroaction (; ). De plus, des études ont révélé que les sujets IGD montraient moins de considération des résultats expérimentaux lors de la prise de décisions futures (). La prise de décision à risque est une fonction cognitive de haut niveau et est essentielle à la survie humaine dans un environnement incertain (). L’aversion pour le risque est un élément essentiel du processus de prise de décision dans une population normale (). Cependant, les personnes souffrant d’IGD ont tendance à prendre des décisions risquées et désavantageuses et à faire face à des situations plus défavorables (), ce qui peut avoir un effet négatif sur les individus et la société IGD. Par conséquent, il est important d'étudier les mécanismes neuronaux qui sous-tendent la modification de la prise de décision risquée chez les individus souffrant d'IGD.

Les circuits neuronaux liés à la prise de décision à risque ont été largement examinés chez des sujets sains, et un réseau distribué sous-cortico-cortical composé principalement de régions préfrontales, pariétales, limbiques et sous-corticales s’est révélé impliqué dans la prise de décision à risque (; ; ; ; ), et les niveaux d’activation cérébrale dans ces régions ont été associés au niveau de risque (; ; ; ; ). Cependant, peu d'études de neuroimagerie ont porté sur l'effet de l'IGD sur les substrats neuronaux pour une prise de décision risquée. Une étude IRMf par ont constaté que les personnes souffrant de trouble de la dépendance à Internet avaient besoin de plus de ressources cérébrales pour mener à bien la tâche de prise de décision et avaient ignoré le retour d'informations sur les résultats précédents, élément essentiel de la prise de décision risquée chez les CH. Une étude de ont révélé que les niveaux d'activation du gyrus frontal inférieur gauche et du gyrus précentral gauche diminuaient chez les individus IGD lors de l'exécution d'une tâche de réduction de probabilité, ce qui suggérait une altération de l'évaluation du risque chez les individus IGD. Bien que ces études suggèrent que l'IGD est associé à une activité cérébrale anormale au cours de processus décisionnels à risque, la manière dont le niveau de risque module l'activation du cerveau au cours de la prise de décision est encore mal comprise chez les individus IGD. À notre connaissance, aucune étude n’a jusqu’à présent porté sur la covariance entre l’activation du cerveau et les niveaux de risque au cours du processus de prise de décision chez les individus IGD, ce qui pourrait faire progresser la compréhension actuelle des mécanismes sous-jacents aux déficits décisionnels chez les individus IGD.

Dans cette étude, des adolescents 23 IGD et des HC 24 ont été inclus et des données d’IRMf ont été obtenues pendant que les participants réalisaient le test BART () pour évaluer la manière dont le niveau de risque module l’activation du cerveau au cours du processus de prise de décision chez les adolescents IGD par rapport aux HC. Le BART, dans lequel les participants gonflent un ballon virtuel qui peut grossir ou exploser, fournit un modèle écologiquement valable pour évaluer la propension et le comportement de prise de risque chez l'homme et offre aux participants un choix pour déterminer le niveau de risque de chaque ballon. plus le ballon était gonflé grand, plus les participants couraient un risque élevé. Contrairement à d'autres tâches à risque, le risque dans le BART était défini plus directement et écologiquement comme la probabilité d'explosion pour chaque ballon; ainsi, le BART est adaptatif en termes d'évaluation de la modulation du niveau de risque sur l'activation du cerveau pendant le processus de prise de décision. Le BART a été utilisé avec succès chez des volontaires sains et il a été démontré que plusieurs régions du cerveau étaient liées au risque, notamment le DLPFC, le cortex préfrontal ventromedial, le cortex frontal ACC / médial, le striatum et l'insula (; ; ; ). Le BART a également été utilisé dans des études sur la toxicomanie, et une activation cérébrale anormale a été détectée dans le DLPFC et le striatum de personnes dépendantes à la méthamphétamine () et dans le cortex préfrontal et le CAC d’individus alcoolodépendants (; ). En tant que dépendance comportementale spéciale (; ), L’IGD peut également affecter l’activité dans les régions du cerveau liées au risque. Ainsi, dans cette étude, nous avons utilisé l'IRMf avec BART pour déterminer si la modulation du niveau de risque de l'activation du cerveau au cours du processus de prise de décision est modifiée chez les adolescents IGD par rapport aux HC. Cette étude contribuera à la compréhension des mécanismes neuro des comportements à risque et impulsifs chez les adolescents IGD.

Matériels et méthodes

Sélection du participant

Parce que les normes de diagnostic pour IGD sont encore ambiguës (; ), des critères d'inclusion relativement stricts ont été sélectionnés dans cette étude. Tout d’abord, le YDQ pour la dépendance à Internet () a été utilisé pour déterminer la présence d’un trouble de la dépendance à Internet. YDQ consistait en huit questions «oui» ou «non» concernant l'utilisation d'Internet. On a diagnostiqué chez les participants ayant répondu au moins cinq réponses «oui» un trouble de dépendance à Internet (). Un score de 50 ou supérieur sur IAT () a été utilisé comme deuxième critère d'inclusion. De plus, seuls les adolescents IGD qui ont déclaré passer en moyenne quatre heures ou plus à jouer à des jeux sur Internet (> 80% du temps total en ligne) ont été recrutés. Selon ces critères d'inclusion, 26 adolescents hommes droitiers IGD ont été recrutés dans cette étude. Seuls les sujets masculins ont été examinés en raison du nombre relativement faible de femmes ayant une expérience de jeu sur Internet. Vingt-cinq participants de sexe masculin ont été recrutés en tant que CH. Les CS ont été définis comme des sujets qui ne répondaient pas aux critères d'un diagnostic YDQ, qui passaient moins de 2 h par jour sur Internet et dont le score IAT était inférieur à 50. Tous les participants étaient sans médicament et n'ont signalé aucun antécédent de toxicomanie ou des blessures à la tête. L'impulsivité a été évaluée pour tous les participants avec le BIS-11 (). Le QI de tous les participants a été testé avec SPM. Les données de trois adolescents 26 IGD et de l'un des HC 25 ont été écartées de cette étude en raison d'un mouvement évident de la tête au cours de l'expérience IRMf (le déplacement maximal dans toutes les directions cardinales est supérieur à 2 mm et / ou le spin maximal est supérieur à 2 °) . Les données relatives aux adolescents 23 IGD et aux HC 24 restants ont été utilisées pour des analyses plus poussées. L’âge, l’éducation et le QI étaient bien appariés entre les deux groupes, et les scores BIS et IAT étaient significativement plus élevés dans le groupe IGD que dans les HC (lampe de table Table11).

Tableau 1 

Caractéristiques démographiques et cliniques des sujets (moyenne ± écart type).

Cette étude a été approuvée par le comité d'éthique de l'hôpital général universitaire de Tianjin et un consentement éclairé écrit a été obtenu pour chaque sujet.

Tâche et procédure

Dans la présente étude, nous avons adapté la version du BART adaptée à l’IRMf utilisée par . Brièvement, un ballon virtuel a été présenté aux participants. Il leur a été demandé d'appuyer sur l'un des deux boutons pour gonfler (gonfler) le ballon ou le retirer. Les ballons plus grands étaient associés à de plus grandes récompenses et à un plus grand risque d'explosion. Les participants pouvaient cesser de gonfler le ballon à tout moment pour gagner le pari ou continuer à gonfler jusqu'à ce que le ballon explose, auquel cas ils perdent le pari. Le nombre maximal de pompes que les participants pouvaient utiliser pour chaque ballon était 12. Un repère (la couleur d'un petit cercle est passé du rouge au vert) a été utilisé pour indiquer aux participants de commencer l'inflation. Une fois que les participants ont appuyé avec succès sur un bouton et pompé le ballon, le petit cercle est immédiatement devenu rouge à un intervalle aléatoire entre 1.5 et 2.5. La mémoire est ensuite redevenue verte pour indiquer la prochaine période d’inflation. Après la fin de chaque essai de ballon, il y avait également un intervalle variable entre 2 et 4 avant le prochain essai de ballon. La photo de victoire ou de perte a été présentée pour 1.5. La photo du ballon explosé a été présentée pour 20 ms. Le risque d'explosion de ballon (la probabilité d'explosion de ballon) a été défini comme le «niveau de risque». La covariance entre le niveau de risque et l'activation des régions du cerveau a été définie comme la «modulation».

Nous avons utilisé deux modes de BART dans notre étude: le mode de choix actif et le mode de non-choix passif. En mode de choix actif, les participants pouvaient déterminer le niveau de risque et décidaient de gonfler le ballon ou d’encaisser des fonds. Cependant, en mode passif sans choix, les participants ne faisaient que gonfler le ballon continuellement pendant que l'ordinateur déterminait le point final ainsi que le gain ou la perte pour chaque ballon. Le nombre de bulles que les participants ont terminées au cours de l'analyse n'était pas prédéterminé, mais dépendait de la vitesse de réponse en mode actif ou passif. La seule différence entre les deux modes est la possibilité, dans le mode actif, d’interrompre l’inflation et de gagner le pari. Les niveaux d'activation cérébrale du mode de choix actif par rapport au mode sans choix passif (actif-passif) reflètent la base neurale du processus de prise de décision. Après l'expérience, les participants ont reçu l'équivalent en argent gagné au cours de l'expérience en mode actif.

Acquisition de données

L'IRM fonctionnelle a été réalisée sur un scanner Siemens 3.0T (Magnetom Verio, Siemens, Erlangen, Allemagne) en utilisant une séquence d'imagerie planaire écho à gradient rappelée avec les paramètres suivants: temps de répétition (TR) = 2000 ms, temps d'écho (TE) = 30 ms, champ de vision = 220 mm × 220 mm, matrice = 64 × 64, épaisseur de coupe = 4 mm et intervalle de coupe = 1 mm. Les stimuli de tâche ont été projetés sur un écran d’affichage devant l’alésage de l’aimant et les participants ont visualisé les stimuli à travers un miroir installé sur la bobine de la tête. Les participants ont répondu à la tâche en appuyant sur le bouton de la zone de réponse compatible avec l'IRMf. L'expérience formelle a été réalisée après que les participants ont appris et pratiqué les tâches. Tous les participants ont effectué deux exécutions fonctionnelles 10 min, une pour chaque mode de tâche. L'ordre de numérisation des deux tâches a été contrebalancé par les participants au sein de chaque groupe.

Analyse comportementale

Dans l'expérience IRMf, les variables comportementales du BART comprenaient le nombre d'essais, le nombre total et moyen de pompes, le nombre de victoires et de défaites, le nombre ajusté de pompes (défini comme le nombre moyen de pompes excluant les ballons ayant explosé), la récompense taux de collecte (nombre d'essais de gain divisé par le nombre d'essais total) et TR moyenne pour toutes les pompes. Seules les données comportementales pendant le mode actif ont été analysées car les participants ont été forcés d'accepter le résultat déterminé par ordinateur pour chaque ballon pendant le mode passif. Un échantillon de deux t-test a été utilisé pour comparer la différence de données comportementales au cours du mode actif entre les individus IGD et les HC. Des analyses statistiques ont été effectuées avec SPSS 21.0 et le niveau de signification a été fixé à P <0.05.

Prétraitement fonctionnel des données IRM

Le prétraitement des données IRM fonctionnelles a été réalisé avec SPM8 (http://www.fil.ion.ucl.ac.uk/spm/software/spm8). Pour chaque participant, les images fonctionnelles ont été corrigées pour le délai d'acquisition entre les différentes tranches et les déplacements géométriques corrigés en fonction du mouvement estimé de la tête. Les images ont ensuite été réalignées avec le premier volume. Sur la base des estimations de correction de mouvement, les participants ayant démontré un déplacement maximal dans l'une des directions x, y ou z supérieur à 2-mm ou supérieur à 2 ° de rotation angulaire (x, y ou z) ont été exclus de cette étude. . Après cette étape, toutes les images réalignées ont été normalisées spatialement selon le modèle EPI de MNI, rééchantillonnées au format 3 mm × 3 mm × 3 mm, puis lissées à l'aide d'un fichier 6 mm FWHM.

Analyses statistiques

Le GLM a été utilisé pour l'analyse de données individuelles à base de voxel. Les données de la série chronologique BOLD ont été modélisées à l'aide d'un FRH standard avec une dérivée temporelle. Les paramètres de mouvement de la tête de chaque sujet ont été modélisés comme des covariables sans intérêt. Un filtre passe-haut avec une coupure au niveau du 128 a été utilisé pour éliminer les fluctuations de basse fréquence.

Le GLM comprenait trois types d’événements résultant d’une pression sur un bouton: une inflation du ballon, un résultat gagnant ou un résultat négatif. Ainsi, le GLM pour une tâche active ou passive incluait trois régresseurs représentant respectivement trois types d’événements. Le niveau de risque associé à chaque gonflage (c'est-à-dire la probabilité d'explosion, orthogonisée par une correction centrale moyenne) a également été entré dans le modèle en tant que modulation paramétrique linéaire du régresseur de gonflage du ballon. Pour chaque sujet, le contraste lié au risque dans les tâches actives et passives a été défini pour examiner les activations cérébrales qui coïncidaient avec le niveau de risque.

Les analyses à effets aléatoires de deuxième niveau ont été réalisées en utilisant une ANOVA 2 (groupe: IGD et HC) × 2 (mode de choix: actif et passif) sur les contrastes liés au risque avec factorielle complète dans SPM8 et les contrastes liés au risque dans Les modes actif et passif d'un même participant ont été traités comme des mesures répétées. Dans cette étude, l’objectif principal était d’évaluer la différence entre les groupes de l’activation cérébrale liée au risque au cours du processus décisionnel, ce qui peut être reflété par l’activation observée en mode actif par rapport au mode passif (actif – passif). Par conséquent, l'effet interactif entre les modes groupe et choix, HC (actif – passif) - IGD (actif – passif), a été analysé dans cette étude. Une correction pour les comparaisons multiples a été effectuée à l’aide de la simulation de Monte Carlo, donnant un seuil corrigé de P <0.05 (programme AlphaSim, paramètres dont: voxel unique P = 0.005, simulations 1000, largeur totale à mi-hauteur = 6 mm, rayon de connexion du cluster r = 5 mm et le masque de la matière grise globale). Les régions cérébrales à effets interactifs ont été établies en tant que ROI. Les estimations β moyennes au sein des ROI ont été extraites et une post hoc t-test a été effectué.

La corrélation entre les estimations β moyennes dans les ROI, les scores BIS et les scores IAT a été examinée avec une analyse de corrélation de Pearson dans le groupe IGD avec SPSS 21.0. Le niveau de signification a été fixé à P <0.05.

Résultats

Résultats comportementaux

lampe de table Table22 montre les résultats comportementaux au cours de l'expérience IRMf. Les deux échantillons tLe test a révélé que la TI moyenne était plus courte dans le groupe IGD que dans les HC alors que le mode actif était activé (P = 0.03), le nombre de pompes totales était significativement plus élevé dans le groupe IGD (P <0.001). Il n'y avait aucune différence significative dans le nombre ajusté de pompes, le nombre d'essais, le nombre moyen de pompes, le nombre de victoires et de pertes et le taux de collecte des récompenses.

Tableau 2 

Résultats comportementaux du BART au cours d'une expérience d'imagerie par résonance magnétique fonctionnelle active (IRMf) (moyenne ± DS).

Résultats d'imagerie

Une ANOVA 2 (groupe: IGD et HC) × 2 (mode de choix: actif et passif) sur les contrastes liés au risque a révélé un effet interactif important sur l'activation de la DLPFC droite (coordonnées MNI: 24, 54, 12; voxels: 38; t = 3.78; P <0.05, correction AlphaSim; Figure Figure1A1A). La post hoc t-test a révélé que la modulation du niveau de risque lors de l'activation de la DLPFC droite était plus élevée en mode actif qu'en mode passif dans les centres de soins, mais ne montrait aucune différence significative entre les modes actif et passif dans le groupe IGD. En mode actif, la modulation du niveau de risque lors de l'activation de la DLPFC droite a diminué de manière significative dans le groupe IGD par rapport aux HC (Figure Figure1B1B). De plus, un effet interactif significatif a également été trouvé pour l'activation du cervelet gauche (coordonnées MNI: -9, -78, -21; voxels: 72; t = 4.13; P <0.05, correction AlphaSim; Figure Figure2A2A). La post hoc t-test a révélé que la différence de modulation du niveau de risque lors de l'activation du cervelet gauche entre les modes et entre les groupes présentait des caractéristiques similaires à celles vues dans la droite DLPFC (Figure Figure2B2B).

FIGURE 1 

La différence intergroupe dans la modulation par le niveau de risque sur l'activation cérébrale du cortex préfrontal dorsolatéral droit (DLPFC). (UNE) La modulation par le niveau de risque sur l'activation cérébrale de la DLPFC droite montre la différence entre les groupes. (B) ...
FIGURE 2 

La différence intergroupe dans la modulation par le niveau de risque sur l'activation cérébrale du cervelet gauche. (UNE) La modulation par le niveau de risque sur l'activation cérébrale du cervelet gauche montre une différence entre les groupes. (B) L'analyse du retour sur investissement montre que ...

La modulation du niveau de risque lors de l'activation de la DLPFC droite en mode actif a montré une corrélation négative significative avec les scores totaux BRI du groupe IGD (Figure Figure33). Il n'y avait pas de corrélation significative entre l'activation des bons scores DLPFC et IAT dans le groupe IGD. De plus, aucune corrélation significative n'a été trouvée entre les résultats de l'IRMf et les données comportementales lors de la prise de décision.

FIGURE 3 

Corrélation entre les estimations β dans la ROI des scores totaux de droite DLPFC et de l'échelle d'impulsivité de Barratt (BIS) dans le groupe IGD.

a lieu

À notre connaissance, il s'agit de la première étude à évaluer la modulation du niveau de risque de l'activation du cerveau au cours du processus de prise de décision chez les adolescents IGD en utilisant un IRMf BART. Les activations liées au risque de la DLPFC droite au cours de la prise de décision active ont été observées dans le groupe IGD par rapport aux HC, ce qui donne à penser que l'activation de la DLPFC droite était moins sensible au niveau de risque du groupe IGD que dans les HC. La modulation du risque lors de l'activation de la DLPFC droite au cours du processus de décision actif était corrélée négativement avec le score BIS dans le groupe IGD. Ces découvertes pourraient contribuer à la compréhension des mécanismes neuronaux d’impulsivité plus élevée chez les adolescents IGD.

La prise de décision risquée s’appuie probablement sur plusieurs processus cérébraux impliqués dans les estimations de la valeur et du risque, le contrôle exécutif et le traitement des émotions (). La DLPFC est une région cérébrale essentielle impliquée dans le contrôle exécutif (; ) qui régit les comportements axés sur les objectifs, flexibles et efficaces et peut influencer la prise de décision avec un risque explicite (; ). La structure et la fonction altérées de la DLPFC ont été démontrées chez des individus IGD (; ; ), qui concordaient avec les résultats d'études sur la toxicomanie (; ) et la dépendance comportementale (). Au cours de la prise de décision, l’activité DLPFC peut jouer un rôle de médiateur dans l’intégration d’informations sur le risque et la valeur (), représentent les prospects, évaluent les résultats et calculent l'utilité ultérieure (). Les adolescents atteints d'IGD présentaient généralement une capacité de contrôle exécutif altérée (; ) par conséquent, il est plausible de postuler que la diminution de l'activation liée au risque de la DLPFC correcte lors de la prise de décision risquée chez les adolescents IGD peut refléter la fonction de contrôle de l'exécutif altérée qui induit des choix défavorables dans des situations à risque. Dans cette étude, la DLPFC droite mais pas gauche a montré une diminution de l'activation liée au risque chez les adolescents IGD par rapport aux HC. Cette latéralité de l’activité DLPFC de droite par rapport aux activités de gauche prenant en charge la prise de décision risquée a également été rapportée dans d’autres études IRM-BART de BART (; ; ; ) et les études de stimulation transcrânienne à courant continu (). En outre, cette latéralité de l'activation réduite dans la DLPFC appropriée a également été observée chez les toxicomanes après avoir effectué une série de tâches de prise de décision risquées (; ; ). Pris ensemble, ces résultats impliquent que la bonne DLPFC est une région clé pour la prise de décision à risque, et que le mécanisme neuronal sous-jacent à la modification de l'activation de la DLPFC chez les adolescents IGD peut être similaire à celui des individus ayant un problème d'abus de substances.

L’IGD a récemment été conceptualisé comme une dépendance comportementale ou un trouble du contrôle des impulsions (; ), et peut être associé à une altération de la fonction d'inhibition (; ), similaire à celle de l'autre dépendance au comportement (), comme le jeu pathologique (; ). Un examen a suggéré que l'inhibition impulsive est une partie de la fonction décisionnelle (), et des recherches ont démontré que le DLPFC joue un rôle important dans le processus d’inhibition impulsive (; ; ,; ). Dans la présente étude, les scores BIS-11 plus élevés chez les sujets IGD par rapport aux HC impliquaient une impulsivité plus élevée chez les adolescents IGD, ce qui était conforme aux conclusions d'autres études sur le contrôle impulsif chez les sujets IGD (; ; ). Par conséquent, la diminution de la modulation du niveau de risque lors de l'activation de la DLPFC droite chez les adolescents IGD dans notre étude peut être associée à une dégradation de l'inhibition impulsive. De plus, une corrélation négative significative a été trouvée entre la diminution de la modulation du niveau de risque lors de l'activation de la DLPFC droite pendant le choix actif et le score BIS-11 chez les adolescents IGD, ce qui signifie que les adolescents IGD présentant une impulsivité plus élevée présentaient une modulation plus faible le niveau de risque lors de l'activation du bon DLPFC lors du processus de prise de décision. La bonne activation de la protéine DLPFC était moins sensible au risque lors du processus de prise de décision chez les adolescents IGD présentant des propensions impulsives plus élevées. La diminution de la modulation du niveau de risque lors de l'activation de la DLPFC droite chez les adolescents IGD peut expliquer leur ignorance du risque.

Notre étude a révélé que, outre la DLPFC droite, la modulation du niveau de risque lors de l'activation du cervelet gauche avait également diminué au cours du processus décisionnel actif dans le groupe IGD. Des altérations de l’activation du cervelet ont déjà été rapportées lors d’études IRMf antérieures avec BART (; ,; ) et d’autres tâches liées aux processus décisionnels (; ), le mécanisme neuronal n’a pas été clairement déterminé. Des études antérieures ont montré que le cervelet est un élément essentiel des problèmes de dépendance (; ), et le volume de matière grise du cervelet, en particulier du cervelet gauche, réduit chez les sujets présentant un trouble de la substance (). De plus, la diminution du volume de matière grise () et l’homogénéité régionale accrue () dans le cervelet gauche a également été signalé chez des individus atteints de IGD. Par conséquent, il est utile de poursuivre les études impliquées dans l'association entre l'activité du cervelet et la prise de décision à risque chez les individus IGD.

Plusieurs limitations doivent être considérées dans la présente étude. Premièrement, la taille de l'échantillon était relativement petite, ce qui peut réduire la puissance et ne pas détecter certaines activations cérébrales avec une légère signification. Deuxièmement, le nombre maximal de pompes à ballons possibles dans cette tâche BART modifiée a été réduit à 12, et la plupart des participants n’ont effectué que des essais sur les ballons 30 au cours du balayage 10 min de BOLD. Ainsi, les limitations inhérentes à cette conception expérimentale ont peut-être diminué la sensibilité de la détection des différences de performance comportementale entre groupes (). Enfin, la relation de cause à effet entre l'activation cérébrale altérée et l'IGD ne peut pas être déterminée avec cette étude transversale. Une étude longitudinale peut être utile pour évaluer cette relation.

Conclusion

Cette étude serait la première étude à tester la modulation du niveau de risque sur l’activation du cerveau au cours du processus de prise de décision avec le BART chez les adolescents IGD. Notre étude a démontré que la modulation du niveau de risque lors de l'activation de la DLPFC droite diminuait chez les adolescents IGD, et que la diminution de l'activation de la DLPFC droite liée au risque était négativement corrélée aux scores BIS. Nos résultats suggèrent qu'en tant que région critique du cerveau liée à la prise de décision, la DLPFC appropriée est moins sensible au niveau de risque chez les adolescents IGD par rapport aux HC, ce qui peut contribuer à une impulsivité plus élevée chez les adolescents IGD.

Contributions d'auteur

Recherche conçue par XQ, YY, XL et QZ; XQ, XD, PG, YZ, GD et QZ ont effectué des recherches; YY, PG a participé à l'évaluation clinique; XQ, YZ, GD, WQ et QZ ont analysé des données; XQ, YZ, XL, YY et QZ ont rédigé le document.

Déclaration de conflit d'intérêts

Les auteurs déclarent que la recherche a été menée en l'absence de toute relation commerciale ou financière pouvant être interprétée comme un conflit d'intérêts potentiel.

ABRÉVIATIONS

ACCcingulaire antérieure
BARTballon risque tâche analogique
BIS-11Échelle d'impulsivité de Barratt
DLPFCcortex préfrontal dorsolatéral
IRMfimagerie par résonance magnétique fonctionnelle
FWHMpleine largeur à mi-hauteur
GLMmodèle linéaire général
HCcontrôles sains
HRFfonction de réponse hémodynamique
IATTest de dépendance à Internet en ligne de Young
IGDtrouble du jeu sur Internet
IQQuotient intellectuel
MNIInstitut neurologique de Montréal
ROIrégion d'intérêt
RTtemps de réponse
SPMProgressiveMatrices Standard Raven
SPM8Logiciel de cartographie paramétrique statistique
YDQJeune questionnaire de diagnostic
 

Bibliographie

  • Asahi S., Okamoto Y., Okada G., Yamawaki S., Yokota N. (2004). Corrélation négative entre l'activité préfrontale droite pendant l'inhibition de la réponse et l'impulsivité: une étude IRMf. EUR. Cambre. Clinique de psychiatrie Neurosci. 254 245–251. 10.1007/s00406-004-0488-z [PubMed] [Croix Ref]
  • Bari A., Robbins TW (2013). Inhibition et impulsivité: base comportementale et neurale du contrôle de la réponse. Programme. Neurobiol. 108 44 – 79. 10.1016 / j.pneurobio.2013.06.005 [PubMed] [Croix Ref]
  • Blaszczynski A. (2008). Commentaire: une réponse à “des problèmes avec le concept de“ dépendance ”du jeu vidéo: exemples d'études de cas”. Int. J. toxicomane de la santé mentale. 6 179–181. 10.1007/s11469-007-9132-2 [Croix Ref]
  • Bogg T., Fukunaga R., PR Finn, JW Brown (2012). Le contrôle cognitif lie la consommation d’alcool, la désinhibition des traits et la capacité cognitive réduite: preuves d’une dysrégulation médiale du cortex préfrontal lors d’un comportement à la recherche de récompense. La drogue dépend de l'alcool. 122 112 – 118. 10.1016 / j.drugalcdep.2011.09.018 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Bolla KI, Eldreth DA, Matochik JA, cadet JL (2005). Substrats neuronaux de la prise de décision défectueuse chez des consommateurs abstinents de marijuana. Neuroimage 26 480 – 492. 10.1016 / j.neuroimage.2005.02.012 [PubMed] [Croix Ref]
  • Marque M., Labudda K., Markowitsch HJ (2006). Corrélats neuropsychologiques de la prise de décision dans des situations ambiguës et à risque. Neural Netw. 19 1266 – 1276. 10.1016 / j.neunet.2006.03.001 [PubMed] [Croix Ref]
  • Carli V., T. Durkee, D. Wasserman, G. Hadlaczky, R. Despalins, Kramarz E., et al. (2013). L'association entre l'utilisation pathologique de l'internet et la psychopathologie concomitante: une revue systématique. psychopathologie 46 1 – 13. 10.1159 / 000337971 [PubMed] [Croix Ref]
  • Claus ED, Hutchison KE (2012). Mécanismes neuronaux de la prise de risque et relations avec une consommation dangereuse De l'alcool. Clin. Exp. Res. 36 932 – 940. 10.1111 / j.1530-0277.2011.01694.x [PubMed] [Croix Ref]
  • DN Crockford, B. Goodyear, J. Edwards, J. Quickfall, N. El-Guebaly (2005). Activité cérébrale induite par les signaux chez les joueurs pathologiques. Biol. Psychiatrie 58 787 – 795. 10.1016 / j.biopsych.2005.04.037 [PubMed] [Croix Ref]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG et al. (2014). L'impulsivité des traits et la fonction inhibitrice des impulsions préfrontales avec facultés affaiblies chez les adolescents présentant une dépendance au jeu sur Internet révélée par une étude IRM fongique "Pas / Pas". Comportement Fonction cérébrale 10:20 10.1186/1744-9081-10-20 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong G., Hu Y., Lin X., Lu Q. (2013). Qu'est-ce qui fait que les accros à Internet continuent de jouer en ligne, même s'ils doivent faire face à de graves conséquences négatives? Explications possibles d'une étude IRMf. Biol. Psychol. 94 282 – 289. 10.1016 / j.biopsycho.2013.07.009 [PubMed] [Croix Ref]
  • Dong G., Huang J., Du X. (2012). Altérations de l'homogénéité régionale de l'activité cérébrale au repos chez les toxicomanes du jeu sur Internet. Comportement Fonction cérébrale 8:41 10.1186/1744-9081-8-41 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong G., Lin X., Hu Y., Xie C., Du X. (2015). Le lien fonctionnel déséquilibré entre le réseau de contrôle exécutif et le réseau de récompenses explique les comportements de recherche de jeux en ligne dans les troubles du jeu sur Internet. Sci. représentant 5: 9197 10.1038 / srep09197 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong G., MN Potenza (2014). Un modèle cognitivo-comportemental du trouble du jeu sur Internet: fondements théoriques et implications cliniques. J. Psychiatr. Res. 58 7 – 11. 10.1016 / j.jpsychires.2014.07.005 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Ernst M., député Paulus (2005). Neurobiologie de la prise de décision: examen sélectif d’un point de vue neurocognitif et clinique. Biol. Psychiatrie 58 597 – 604. 10.1016 / j.biopsych.2005.06.004 [PubMed] [Croix Ref]
  • Ersche KD, PC Fletcher, Lewis SJ, Clark L., Stocks-Gee G., London M. et al. (2005). Activations frontales anormales liées à la prise de décision chez les individus dépendants actuels et passés aux amphétamines et aux opiacés. Psychopharmacologie (Berl.) 180 612–623. 10.1007/s00213-005-2205-7 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Gabay AS, Radua J., Kempton MJ, Mehta MA (2014). Le jeu de l'ultimatum et le cerveau: une méta-analyse d'études de neuroimagerie. Neurosci. Biobehav. Tour. 47 549 – 558. 10.1016 / j.neubiorev.2014.10.014 [PubMed] [Croix Ref]
  • Galván A., T. Schonberg, J. Mumford, M. Kohno, Poldrack RA, London ED (2013). Plus grande sensibilité au risque du cortex préfrontal dorsolatéral chez les jeunes fumeurs que chez les non-fumeurs. Psychopharmacologie (Berl.) 229 345–355. 10.1007/s00213-013-3113-x [Article gratuit PMC] [PubMed] [Croix Ref]
  • Garavan H., Hester R., Murphy K., Fassbender C., Kelly C. (2006). Différences individuelles dans la neuroanatomie fonctionnelle du contrôle inhibiteur. Cerveau Res. 1105 130 – 142. 10.1016 / j.brainres.2006.03.029 [PubMed] [Croix Ref]
  • Gorini A., Lucchiari C., Russell-Edu W., Pravettoni G. (2014). Modulation des choix risqués chez les usagers de cocaïne dépendants récemment abstinents: étude de stimulation transcrânienne à courant continu. De face. Fredonner. Neurosci. 8: 661 10.3389 / fnhum.2014.00661 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Gowin JL, Mackey S., député Paulus (2013). Traitement altéré lié au risque chez les toxicomanes: déséquilibre douleur / gain. La drogue dépend de l'alcool. 132 13 – 21. 10.1016 / j.drugalcdep.2013.03.019 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Grant JE, MN de Potenza, A. Weinstein, DA de Gorelick (2010). Introduction aux dépendances comportementales. Un m. J. Abus de drogue 36 233 – 241. 10.3109 / 00952990.2010.491884 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Griffiths MD (2008). Dépendance au jeu vidéo: autres réflexions et observations. Int. J. toxicomane de la santé mentale. 6 182–185. 10.1007/s11469-007-9128-y [Croix Ref]
  • Hastie R. (2001). Problèmes de jugement et de prise de décision. Annu. Rev. Psychol. 52 653 – 683. 10.1146 / annurev.psych.52.1.653 [PubMed] [Croix Ref]
  • Helfinstein SM, Schonberg T., E. Congdon, Karlsgodt KH, Mumford JA, Sabb FW, et al. (2014). Prédire les choix risqués à partir des schémas d'activité cérébrale. Proc. Natl. Acad. Sci. Etats-Unis 111 2470 – 2475. 10.1073 / pnas.1321728111 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Karim R., Chaudhri P. (2012). Dépendances comportementales: un aperçu. J. Drogues Psychoactives 44 5 – 17. 10.1080 / 02791072.2012.662859 [PubMed] [Croix Ref]
  • Ko CH, Hsiao S., GC Liu, Yen JY, Yang MJ, Yen CF (2010). Les caractéristiques de la prise de décision, le potentiel de prendre des risques et la personnalité des étudiants collégiaux ayant une dépendance à Internet. Psychiatrie Res. 175 121 – 125. 10.1016 / j.psychres.2008.10.004 [PubMed] [Croix Ref]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY et al. (2014). Activation cérébrale altérée au cours de l'inhibition de la réponse et du traitement des erreurs chez les sujets présentant un trouble du jeu sur Internet: étude d'imagerie magnétique fonctionnelle. EUR. Cambre. Clinique de psychiatrie Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Croix Ref]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Le cerveau est en corrélation avec une soif de jeux en ligne peu exposée chez les sujets ayant une dépendance au jeu sur Internet et chez les sujets réprimés. Toxicomane. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Croix Ref]
  • Kohno M., DG Ghahremani, Morales AM, Robertson CL, Ishibashi K., Morgan AT, et al. (2015). Comportement de prise de risque: récepteurs dopamine d2 / d3, rétroaction et activité frontolimbique. Cereb. Cortex 25 236 – 245. 10.1093 / cercor / bht218 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Kohno M., Morales AM, DG Ghahremani, Hellemann G., Londres ED (2014). Prise de décision risquée, cortex préfrontal et connectivité fonctionnelle mésocorticolimbique dans la dépendance à la méthamphétamine. JAMA psychiatrie 71 812 – 820. 10.1001 / jamapsychiatry.2014.399 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Krain AL, Wilson AM, R. Arbuckle, MP Castellanos, MP Milham (2006). Mécanismes neuronaux distincts de risque et d'ambiguïté: une méta-analyse de la prise de décision. Neuroimage 32 477 – 484. 10.1016 / j.neuroimage.2006.02.047 [PubMed] [Croix Ref]
  • Kräplin A., Dshemuchadse M., S. Behrendt, S. Scherbaum, Goschke T., Bühringer G. (2014). Prise de décision dysfonctionnelle dans le jeu pathologique: spécificité des modèles et rôle de l'impulsivité. Psychiatrie Res. 215 675 – 682. 10.1016 / j.psychres.2013.12.041 [PubMed] [Croix Ref]
  • Kühn S., Romanowski A., C. Schilling, A. Mobascher, Warbrick T., Winterer G., et al. (2012). Déficits cérébraux en matière grise chez les fumeurs: se concentrer sur le cervelet. Structure du cerveau Funct. 217 517–522. 10.1007/s00429-011-0346-5 [PubMed] [Croix Ref]
  • Kuss DJ (2013). Dépendance au jeu sur Internet: perspectives actuelles. Psychol. Res. Comportement Manag. 6 125 – 137. 10.2147 / PRBM.S39476 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Lejuez CW, Lire JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL, et al. (2002). Evaluation d'une mesure comportementale de la prise de risque: la tâche de risque analogue au ballon (BART). J. Exp. Psychol. Appl. 8 75–84. 10.1037//1076-898X.8.2.75 [PubMed] [Croix Ref]
  • Lin X., Zhou H., Dong G., Du X. (2015). Evaluation du risque avec facultés affaiblies chez les personnes atteintes d'un trouble du jeu sur Internet: données probantes IRMf provenant d'une tâche de calcul de probabilité. Programme. Neuro-Psychopharmacol. Biol. Psychiatrie 56 142 – 148. 10.1016 / j.pnpbp.2014.08.016 [PubMed] [Croix Ref]
  • Liu GC, Yen JY, Chen CY, Yen CF, Chen CS, Lin WC, et al. (2014). L'activation du cerveau pour l'inhibition de la réponse lors de la distraction de signal de jeu dans le trouble du jeu sur Internet. Kaohsiung J. Med. Sci. 30 43 – 51. 10.1016 / j.kjms.2013.08.005 [PubMed] [Croix Ref]
  • Macoveanu J., Rowe JB, Hornboll B., Elliott R., Paulson OB, Knudsen, GM, et al. (2013). Il faut jouer prudemment mais perdre malgré tout la signalisation sérotoninergique des résultats négatifs dans le cortex préfrontal dorsomédial dans le contexte de l'aversion au risque. EUR. Neuropsychopharmacol. 23 919 – 930. 10.1016 / j.euroneuro.2012.09.006 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Metcalf O., Pammer K. (2014). Impulsivité et caractéristiques neuropsychologiques associées dans les jeux de tir à la première personne réguliers et addictifs. Cyberpsychol. Comportement Soc. Netw. 17 147 – 152. 10.1089 / cyber.2013.0024 [PubMed] [Croix Ref]
  • Miedl SF, Peters J., Büchel C. (2012). Représentations altérées de la récompense neuronale chez les joueurs pathologiques révélées par des remises de retard et de probabilité. Cambre. Psychiatrie générale 69 177 – 186. 10.1001 / archgenpsychiatry.2011.1552 [PubMed] [Croix Ref]
  • Moeller SJ, MI Froböse, Konova AB, Misyrlis M., MA Parvaz, Goldstein RZ et al. (2014). Corrélats neuronaux communs et distincts de la dysrégulation inhibitrice: étude IRM par IRM de la dépendance à la cocaïne et du trouble explosif intermittent. J. Psychiatr. Res. 58 55 – 62. 10.1016 / j.jpsychires.2014.07.016 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Moreno-López L., JC Perales, Van Son D., N. Albein-Urios, Soriano-Mas C., Martinez-Gonzalez JM, et al. (2015). La sévérité de la consommation de cocaïne et la substance grise cérébelleuse sont associées à un déficit d'apprentissage par inversion chez les personnes dépendantes de la cocaïne. Toxicomane. Biol. 20 546 – 556. 10.1111 / adb.12143 [PubMed] [Croix Ref]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Le cervelet et la dépendance: informations tirées de la recherche en neuroimagerie. Toxicomane. Biol. 19 317 – 331. 10.1111 / adb.12101 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Nakata H., K. Sakamoto, Ferretti A., Gianni Perrucci M., C. Del Gratta, Kakigi R. et coll. (2008a). Traitement inhibiteur somato-moteur chez l'homme: étude IRM fonctionnelle événementielle. Neuroimage 39 1858 – 1866. 10.1016 / j.neuroimage.2007.10.041 [PubMed] [Croix Ref]
  • Nakata H., K. Sakamoto, Ferretti A., Gianni Perrucci M., C. Del Gratta, Kakigi R. et coll. (2008b). Fonctions exécutives avec différentes sorties motrices dans les tâches Go / Nogo somatosensorielles: étude IRM fonctionnelle liée à un événement. Cerveau Res. Taureau. 77 197 – 205. 10.1016 / j.brainresbull.2008.07.008 [PubMed] [Croix Ref]
  • Patton JH, Stanford MS, Barratt ES (1995). Structure factorielle de l'échelle d'impulsivité du barratt. J. Clin. Psychol. 51 768 – 774. [PubMed]
  • M. Pawlikowski, marque M. (2011). Jeux et prise de décision excessifs sur Internet: les joueurs excessifs de World of Warcraft rencontrent-ils des problèmes pour prendre des décisions dans des conditions risquées? Psychiatrie Res. 188 428 – 433. 10.1016 / j.psychres.2011.05.017 [PubMed] [Croix Ref]
  • Probst CC, van Eimeren T. (2013). L'anatomie fonctionnelle des troubles du contrôle des impulsions. Curr. Neurol. Neurosci. représentant 13:386 10.1007/s11910-013-0386-8 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Rao H., M. Korczykowski, Pluta J., Hoang A., le juge Detre (2008). Corrélats neuronaux de la prise de risque volontaire et involontaire dans le cerveau humain: étude IRMf de la tâche de risque analogue au ballon (BART). NeuroImage 42 902 – 910. 10.1016 / j.neuroimage.2008.05.046 [PubMed] [Croix Ref]
  • Rao H., Mamikonyan E., Juge Detre, AD Siderowf, MB Stern, Potenza, MN, et al. (2010). Diminution de l'activité striatale ventrale avec troubles du contrôle des impulsions dans la maladie de Parkinson. Mov. Disord. 25 1660 – 1669. 10.1002 / mds.23147 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Rao LL, Zhou Y., Liang ZY, Rao H., Zheng R., Sun Y. et al. (2014). Réduction de la désactivation du cortex préfrontal ventromédial dans les prises de décision risquées après microgravité simulée: effets de -6 degrés au repos au lit avec tête inclinée. De face. Comportement Neurosci. 8: 187 10.3389 / fnbeh.2014.00187 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Rosenbloom MH, Schmahmann JD, Prix BH (2012). La neuroanatomie fonctionnelle de la prise de décision. J. Neuropsychiatry Clin. Neurosci. 24 266 – 277. 10.1176 / appi.neuropsych.11060139 [PubMed] [Croix Ref]
  • Sakagami M., Pan X., Uttl B. ​​(2006). Inhibition comportementale et cortex préfrontal dans la prise de décision. Neural Netw. 19 1255 – 1265. 10.1016 / j.neunet.2006.05.040 [PubMed] [Croix Ref]
  • J. Schiebener, E. Wegmann, M. Pawlikowski, Marque M. (2012). Les effets d'ancrage dans la prise de décision peuvent être réduits par l'interaction entre la surveillance des objectifs et le niveau des fonctions exécutives du décideur. Cogn. Processus. 13 321–332. 10.1007/s10339-012-0522-4 [PubMed] [Croix Ref]
  • Schonberg T., CR Fox, Juge Mumford, E. Congdon, C. Trepel et RA Poldrack (2012). Diminution de l'activité du cortex préfrontal ventromédial au cours de la prise de risque séquentielle: étude IRMf de la tâche de risque analogue au ballonnet. De face. Neurosci. 6: 80 10.3389 / fnins.2012.00080 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Tang J., Yu Y., Du Y., Ma Y., Zhang D., Wang J. (2014). Prévalence de la dépendance à Internet et son association avec des événements de la vie stressants et des symptômes psychologiques chez les adolescents utilisateurs d’Internet. Toxicomane. Comportement 39 744 – 747. 10.1016 / j.addbeh.2013.12.010 [PubMed] [Croix Ref]
  • Telzer EH, AJ Fuligni, MD Lieberman, Galván A. (2013a). Les effets d'un sommeil de mauvaise qualité sur la fonction cérébrale et la prise de risque à l'adolescence. Neuroimage 71 275 – 283. 10.1016 / j.neuroimage.2013.01.025 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Telzer EH, AJ Fuligni, MD Lieberman, Galván A. (2013b). Relations familiales significatives: tampons neurocognitifs de la prise de risque chez les adolescents. J. Cogn. Neurosci. 25 374 – 387. 10.1162 / jocn_a_00331 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Trepel C., Fox CR, Poldrack RA (2005). La théorie de la perspective sur le cerveau? Vers une neuroscience cognitive de la décision sous risque. Brain Res. Cogn. Brain Res. 23 34 – 50. 10.1016 / j.cogbrainres.2005.01.016 [PubMed] [Croix Ref]
  • Wang H., Jin C., Yuan K., Shakir TM, Mao C., Niu X. et al. (2015). L'altération du volume de matière grise et le contrôle cognitif chez les adolescents souffrant de trouble du jeu sur Internet. De face. Comportement Neurosci. 9: 64 10.3389 / fnbeh.2015.00064 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Wu X., Chen X., Han J., Meng H., Luo J., Nydegger L. et al. (2013). Prévalence et facteurs de dépendance à Internet chez les adolescents de Wuhan, Chine: interactions de la relation parentale avec l’âge et de l’hyperactivité-impulsivité. PLoS ONE 8: e61782 10.1371 / journal.pone.0061782 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Yao YW, RP Chen, Chen C., LJ Wang, JT Zhang, Xue G., et al. (2014). Le fait de ne pas utiliser les commentaires entraîne des déficits décisionnels chez les joueurs excessifs sur Internet. Psychiatrie Res. 219 583 – 588. 10.1016 / j.psychres.2014.06.033 [PubMed] [Croix Ref]
  • Yao YW, RP Chen, Li S., LJ Wang, JT Zhang, YIP SW, et al. (2015). Prise de décision pour les gains et pertes risqués chez les étudiants ayant un trouble du jeu sur Internet. PLoS ONE 10: e0116471 10.1371 / journal.pone.0116471 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Young K. (1998). Dépendance à Internet: l'émergence d'un nouveau trouble clinique. CyberPsychol. Comportement 1 237 – 244. 10.1089 / cpb.1998.1.237 [Croix Ref]
  • Young, KS, Test de dépendance à Internet [IAT] (2009). Disponible à: http://netaddiction.com/index.php?option5combfquiz&view5onepage&catid546&Itemid5106
  • Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X. et al. (2011). Anomalies de la microstructure chez les adolescents présentant un trouble de dépendance à Internet. PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Yuan P., Raz N. (2014). Cortex préfrontal et fonctions exécutives chez l'adulte en bonne santé: une méta-analyse d'études de neuroimagerie structurelle. Neurosci. Biobehav. Tour. 42 180 – 192. 10.1016 / j.neubiorev.2014.02.005 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Zhou Z., Yuan G., Yao J. (2012). Biais cognitifs vis-à-vis des images liées au jeu sur Internet et déficits des cadres chez les personnes ayant une dépendance au jeu sur Internet. PLoS ONE 7: e48961 10.1371 / journal.pone.0048961 [Article gratuit PMC] [PubMed] [Croix Ref]