Réseau fonctionnel cérébral perturbé dans le syndrome de dépendance à Internet: étude d'imagerie par résonance magnétique fonctionnelle à l'état de repos (2014)

Chong-Yaw Wee contributeur égal, Zhimin Zhao contributeur égal Pew-Thian Yap, Guorong Wu, Feng Shi, Vrai prix, Yasong Du, Jianrong Xu, Yan Zhou mail, Dinggang Shen mail

Publié: septembre 16, 2014

DOI: 10.1371 / journal.pone.0107306

Abstract

Le trouble de la dépendance à Internet (IAD) est de plus en plus reconnu comme un trouble de la santé mentale, en particulier chez les adolescents. La pathogénie associée à la DIA reste toutefois incertaine. Dans cette étude, nous visons à explorer les caractéristiques fonctionnelles encéphaliques des adolescents IAD au repos en utilisant des données d'imagerie par résonance magnétique fonctionnelle. Nous avons adopté une approche fondée sur la théorie des graphes pour étudier les perturbations possibles de la connectivité fonctionnelle en termes de propriétés de réseau, notamment de petit monde, d'efficacité et de centralité nodale sur des adolescents 17 avec des contrôles sains appariés sur le plan socio-démographique de la DIA et de 16. Des tests paramétriques à correction de taux de fausses découvertes ont été réalisés pour évaluer la signification statistique des différences topologiques au niveau du groupe. En outre, une analyse de corrélation a été réalisée pour évaluer les relations entre la connectivité fonctionnelle et les mesures cliniques dans le groupe IAD. Nos résultats démontrent une perturbation significative du connectome fonctionnel des patients IAD, en particulier entre les régions situées dans les lobes frontaux, occipitaux et pariétaux. Les connexions affectées sont des connexions longue distance et inter-hémisphériques. Bien que des altérations importantes soient observées pour les métriques nodales régionales, il n'y a pas de différence de topologie de réseau global entre la DIA et les groupes en bonne santé. De plus, une analyse de corrélation démontre que les anomalies régionales observées sont corrélées à la gravité de la DIA et aux évaluations cliniques comportementales. Nos résultats, qui sont relativement cohérents entre les atlas anatomiquement et fonctionnellement définis, suggèrent que l'IAD provoque des perturbations de la connectivité fonctionnelle et, ce qui est important, que de telles perturbations peuvent être liées à des troubles du comportement.

Figures

Citation: Wee CY, Zhao Z, PT Yap, Wu G, Shi F, et al. (2014) Réseau fonctionnel cérébral perturbé dans le syndrome de dépendance à Internet: étude d’imagerie par résonance magnétique fonctionnelle à l’état de repos. PLoS ONE 9 (9): e107306. doi: 10.1371 / journal.pone.0107306

Rédacteur en chef: Satoru Hayasaka, École de médecine Wake Forest, États-Unis d'Amérique

reçu: Janvier 20, 2014; Accepté: August 11, 2014; Publié le: 16 septembre 2014

Droits d'auteur: © 2014 Wee et al. Ceci est un article en accès libre distribué selon les termes de la Licence Creative Commons Attribution, qui autorise une utilisation, une distribution et une reproduction sans restriction sur tout support, à condition que l'auteur et la source d'origine soient crédités.

Financement: Ce travail a été soutenu en partie par les subventions EB006733, EB008374, EB009634, AG041721 et CA140413 des National Institutes of Health (NIH), ainsi que par la National Natural Science Foundation of China (81171325) et le National Key Technology R&D Program 2007BAI17B03. Les bailleurs de fonds n'ont joué aucun rôle dans la conception de l'étude, la collecte et l'analyse des données, la décision de publier ou la préparation du manuscrit.

Intérêts concurrents: Les auteurs ont déclaré qu'ils n'existaient pas de conflit d'intérêts.

Introduction

Il a été rapporté que la surutilisation d'Internet peut entraîner une modification des caractéristiques socio-comportementales similaires à celles trouvées dans les toxicomanies et le jeu pathologique. , . Avec le nombre croissant d'internautes au cours des dernières décennies, ce problème est de plus en plus considéré comme un problème de santé publique grave. . La dépendance à Internet et à l'ordinateur en général semble être un phénomène répandu touchant des millions de personnes aux États-Unis et à l'étranger, l'incidence étant la plus élevée parmi les adolescents et les étudiants dans les régions en développement d'Asie. - . L'effet de la surexposition sur Internet chez les jeunes adultes revêt une importance particulière sur le plan clinique et social, car l'adolescence est une période de changements importants en neurobiologie liés à la prise de décision. et présente ainsi une plus grande susceptibilité aux troubles affectifs et à la dépendance - . Depuis le travail fondateur de Young , la dépendance à Internet a beaucoup attiré l’attention des sociologues, psychologues, psychiatres et éducateurs.

Les caractéristiques cliniques des problèmes de comportement liés à l'utilisation d'Internet ont été décrites sous différents critères de diagnostic, notamment le trouble de dépendance à Internet (IAD). , utilisation internet pathologique et utilisation d'Internet problématique . La DIA a été classée dans la catégorie des troubles du contrôle des impulsions, car elle implique une utilisation Internet inadaptée sans aucune substance intoxicante, similaire au jeu pathologique. La DIA présente des caractéristiques similaires à d’autres dépendances, notamment le développement de difficultés d’ordre académique, financier et professionnel résultant d’un comportement addictif et de difficultés à établir et à entretenir des relations personnelles et familiales. Les personnes souffrant de la DIA passeront plus de temps dans la solitude, ce qui affectera leur fonctionnement social normal. Dans les cas les plus graves, les patients peuvent ressentir une gêne physique ou des problèmes médicaux tels que le syndrome du canal carpien, des yeux secs, des maux de dos, de graves maux de tête, des irrégularités alimentaires et des troubles du sommeil. , . De plus, les patients résistent souvent au traitement de la IAD et présentent un taux de rechute élevé et beaucoup d’entre eux souffrent également d’autres dépendances, telles que la dépendance à la drogue, l’alcool, le jeu ou le sexe .

Bien que la DIA ne soit pas encore considérée comme une dépendance ou un trouble mental dans le DSM-5 , de nombreuses études, principalement basées sur des questionnaires psychologiques autodéclarés, montrent des conséquences négatives sur la vie quotidienne en termes de composantes comportementales, de facteurs psychosociaux, de gestion des symptômes, de comorbidité psychiatrique, de diagnostic clinique et de résultat du traitement. , - . Outre ces analyses comportementales, des techniques de neuroimagerie ont récemment été appliquées pour explorer les effets d'une utilisation excessive d'Internet sur les caractéristiques structurelles et fonctionnelles du cerveau humain. , - . L’imagerie par résonance magnétique fonctionnelle au repos (R-IRM), un moyen efficace in vivo outil d’investigation des activités neuronales du cerveau, a déjà été utilisé pour identifier les perturbations possibles des caractéristiques fonctionnelles encéphaliques de la DIA , , , . En , l’analyse de l’homogénéité régionale (ReHo), qui mesure la cohérence des fluctuations régionales de basse fréquence (LFF) au sein des réseaux cérébraux, a révélé une synchronisation améliorée entre les régions cérébrales liées aux voies de récompense chez les patients IAD. Une étude similaire sur des individus souffrant de dépendance au jeu en ligne (OGA) a proposé d'utiliser un LFF d'amplitude accrue dans le cortex orbitofrontal médial gauche, qui possède des connexions anatomiques dans plusieurs régions liées à la prise de décision dirigée vers un objectif, comme biomarqueur de la maladie. . Hong et al. a utilisé la statistique basée sur le réseau (NBS) pour analyser les différences de groupe dans la connectivité fonctionnelle interrégionale entre la DIA et les groupes de contrôle, et une réduction généralisée de la connectivité fonctionnelle a été observée dans le groupe de la DIA avec, notamment, aucune perturbation globale de la topologie de réseau globale . Dans une autre étude basée sur la connectivité fonctionnelle, des altérations de la connectivité réseau par défaut ont été explorées en utilisant le cortex cingulaire postérieur (PCC) comme région de départ. . Les résultats ont montré une connectivité fonctionnelle accrue entre le lobe postérieur du cervelet bilatéral et le gyrus temporal moyen, ainsi qu'une connectivité réduite entre le lobule pariétal inférieur bilatéral et le gyrus temporal inférieur droit.

Dans les études actuelles, nous appliquons l'approche de la théorie des graphes pour analyser la DIA basée sur les données R-IRMf. Nous évaluons d’abord l’importance de la perturbation de la connectivité fonctionnelle en utilisant tests paramétriques avec correction de comparaison multiple. Cela nous permet d’explorer pleinement les schéma complet des connexions fonctionnelles du cerveau les nouveautés modèles de connectivité entre réseaux à grande échelle . Deuxièmement, nous étudions les possibles perturbations de la connectivité associées à la DIA en termes de propriétés du réseau global, y compris les propriétés de petit monde (c'est-à-dire le coefficient d'agrégation et la longueur de chemin caractéristique) et l'efficacité du réseau (c'est-à-dire les efficacités mondiales et locales) sur un régime de petit monde. Troisièmement, avec la même plage de parcimonie de réseau, nous évaluons l'importance fonctionnelle d'un réseau en tenant compte de la relation d'une région avec l'ensemble du connectome fonctionnel basé sur les mesures de centralité de chaque ROI. Nous sommes motivés à utiliser la centralité du réseau pour mieux localiser les régions perturbées à un niveau plus local. Enfin, nous explorons relations entre les mesures de réseau et les scores comportementaux et cliniques des participants. L'étude du lien entre les propriétés du réseau et les résultats cliniques améliore notre connaissance de la pathologie de la toxicomanie et fournit des informations essentielles pour le développement de techniques de diagnostic de la IAD plus fiables.

Matériels et méthodes

Participants

Trente-trois participants droitiers, comprenant des adolescents 17 atteints de IAD (hommes 15 et femmes 2) et 16, des sujets de contrôle de la santé correspondant au sexe, à l'âge et à l'éducation appariés (HC) (hommes 14 et femmes 2), ont participé à cette étude . Les patients ont été recrutés au département de psychiatrie de l'enfant et de l'adolescent, au centre de santé mentale de Shanghai, à l'école de médecine de l'université Jiao Tong de Shanghai. Les sujets de contrôle ont été recrutés dans la communauté locale à l'aide de publicités. L’étude a été approuvée par le Comité d’éthique de la recherche médicale et le Conseil d’évaluation des établissements du Centre de santé mentale de Shanghai, conformément à la Déclaration de Helsinki, et un consentement éclairé complet et écrit a été obtenu des parents / tuteurs de chaque participant.

La durée de la DAI a été estimée via un diagnostic rétrospectif. Tous les sujets ont été invités à se souvenir de leur style de vie lorsqu'ils étaient initialement dépendants d'Internet. Pour valider leur dépendance à Internet, les patients ont été retestés selon le questionnaire de diagnostic de Young modifié (YDQ) pour les critères de dépendance à Internet par Beard et Wolf. et la fiabilité de la SAI autodéclarée a été confirmée par un entretien avec leurs parents. Les patients de la DIA ont passé au moins heures par jour sur Internet ou sur des jeux en ligne, et jours par semaine. Nous avons vérifié cette information des colocataires et des camarades de classe des patients selon lesquels ils insistaient souvent pour être sur Internet tard le soir, perturbant la vie des autres malgré les conséquences. Notez que tous les patients étaient dépendants d'Internet au moins ou plus de 2 ans. Les détails du YDQ modifié pour les critères de dépendance à Internet sont fournis dans Fichier S1.

Suite à une recherche antérieure de la DIA , seuls les HC qui ont passé moins de 2 heures (heure passée = ) par jour sur Internet ont été inclus dans la présente étude. Le groupe HC a passé jours par semaine sur Internet. Les CH ont également été testés avec les critères YDQ modifiés pour s'assurer qu'ils ne souffraient pas de IAD. Tous les participants recrutés étaient de langue maternelle chinoise et n'avaient jamais utilisé de substances illégales. Notez que le YDQ modifié a été traduit en chinois pour la commodité des participants. Pour justifier davantage les résultats du diagnostic, une autre mesure de diagnostic de la SAI, l'échelle de dépendance à Internet de Young (YIAS) , a été réalisée pour chaque participant. Le YIAS est un questionnaire sur 20-item développé par le Dr Kimberly Young pour évaluer le degré de dépendance à Internet. Il classe les utilisateurs d’Internet en trois degrés de gravité en fonction d’un système de pointage 100: utilisateur en ligne léger ( points), utilisateur modéré en ligne ( points), et utilisateur sévère en ligne ( points).

Outre le diagnostic de la DIA via les YDQ et YIAS modifiés, les conditions comportementales des patients de la DIA ont également été évaluées à l'aide de plusieurs questionnaires liés au comportement: Barratt Impulsiveness Scale-11 (BIS-11) , Échelle de gestion des temps (TMDS) Questionnaire sur les forces et les difficultés (SDQ) et dispositif d'évaluation de la famille McMaster (FAD) . Les versions enfant et parent de SDQ ont été utilisées dans cette étude. Les détails de ces questionnaires sont fournis dans le Fichier S1.

Avant d’être interrogés sur leurs antécédents médicaux, tous les participants ont été soumis à un simple examen physique (pression artérielle et test du rythme cardiaque) afin d’exclure les troubles physiques liés au mouvement, aux systèmes digestif, nerveux, respiratoire, circulatoire, endocrinien, urinaire et reproducteur. Les critères d'exclusion comprenaient: 1) des antécédents de troubles psychiatriques et non psychiatriques comorbides, tels que trouble d'anxiété, dépression, compulsivité, schizophrénie, autisme ou trouble bipolaire; 2) des antécédents de toxicomanie ou de dépendance; 3) une histoire de désordres physiques liés aux systèmes de mouvement, digestif, nerveux, respiratoire, de circulation, endocrinien, urinaire et reproducteur; et 4) lors de la grossesse ou des menstruations chez les femmes le jour de la numérisation. Cette procédure d'exclusion est importante pour s'assurer que les participants à cette étude ne sont pas affectés par d'autres troubles physiques, neurologiques ou neuropsychiatriques et réduit ainsi les biais éventuels dans les résultats obtenus. Des informations démographiques détaillées et des scores cliniques sont fournis dans Tableau 1.

thumbnail

Tableau 1. Informations démographiques des participants à cette étude.

doi: 10.1371 / journal.pone.0107306.t001

Acquisition de données et prétraitement

L’acquisition des données a été réalisée à l’aide d’un scanner 3.0 Tesla (Philips Achieva). Les images fonctionnelles à l'état de repos de chaque participant ont été acquises avec le temps d'écho (TE) = ms 30 et le temps de répétition (TR) = 2000 ms. La matrice d’acquisition était 64 × 64 avec un FOV rectangulaire de 230 × 230 mm.2et résolution de voxels de 3.59 × 3.59 × 4 mm3. L'analyse incluait les volumes 220 pour chaque participant. Lors de l’acquisition des données, il a été demandé aux participants de s’asseoir dans le scanner, les yeux fermés. Bien qu'aucune technique ou dispositif supplémentaire n'ait été utilisé pour déterminer si les sujets ont réellement gardé les yeux fermés, les sujets ont confirmé qu'ils étaient au courant et les ont fermés pendant l'analyse.

Le prétraitement des données a été effectué à l'aide d'un pipeline standard dans deux boîtes à outils de traitement R-IRMf, DPARSF. et reste . Avant tout prétraitement, les premiers volumes R-IRMf 10 de chaque sujet ont été écartés pour atteindre l'équilibre de magnétisation. Les volumes R-IRMf ont été normalisés dans l'espace de l'INM avec une résolution 3 × 3 × 3 mm3. La régression des signaux de nuisance comprenant le ventricule, la substance blanche et les signaux globaux a été effectuée. Aucun des participants n'a été exclu sur la base du critère d'un déplacement supérieur à 3 mm ou d'une rotation angulaire supérieure à 3 dans une direction quelconque. Pour minimiser davantage les effets du mouvement de la tête, nous avons utilisé la correction de paramètre Friston 24 ainsi que le déplacement moyen par cadre (FD) spécifique au voxel. avec seuil FD de 0.5. Avant l’estimation de la connectivité fonctionnelle, la série chronologique R-IRMf moyenne de chaque ROI était filtrée par passe-bande ( Hz).

Analyse de la construction du réseau et des connexions individuelles

L'analyse théorique des graphes a été adoptée dans cette étude pour étudier les altérations fonctionnelles du connectome cérébral causées par la DIA chez un groupe d'adolescents chinois. Les réseaux cérébraux fonctionnels ont été construits à un niveau macroscopique où les nœuds représentent les régions prédéfinies du cerveau et les arêtes représentent la connectivité interrégionale à l'état de repos (RSFC). Pour définir les nœuds du réseau, nous avons divisé le cerveau en régions d'intérêt en adaptant les images IRMf à l'atlas de l'étiquetage anatomique automatisé (AAL) . Les régions basées sur l’atlas AAL sont énumérées dans le tableau S1 à Fichier S1. La série temporelle représentative de chaque ROI a ensuite été obtenue en faisant la moyenne de la série temporelle régressée sur tous les voxels de chaque ROI. Pour mesurer la RSFC interrégionale, nous avons calculé la corrélation de Pearson par paires pour tous les possibles (() = 4005) paires ROI et construit une matrice de connectivité symétrique pour représenter ces connexions. Nous avons analysé les différences au niveau du groupe entre chaque paire de ROI en termes de force de connexion. Les différences significatives pour chaque connexion fonctionnelle ont été évaluées en utilisant une masse univariée (bilatérale) -tests avec un seuil de et la correction du taux de découverte fausse (FDR).

Mesures de réseau et analyse des caractéristiques

La matrice de connectivité fonctionnelle basée sur la corrélation de Pearson est étroitement connectée, avec de nombreux éléments parasites de faible résistance. Pour mieux modéliser les réseaux cérébraux humains, qui présentent des propriétés de petit monde, la matrice de connectivité fonctionnelle de chaque individu a été ensuite traitée pour avoir une plage de clarté qui s'inscrit dans le régime du petit monde () - . Ce régime garantit des caractéristiques relativement cohérentes d'un petit monde aux réseaux cérébraux des ROI 90 . Plus précisément, la matrice de corrélation de Pearson de chaque sujet a été convertie en matrices d’adjacence binarisées, , selon la parcimonie prédéfinie, où tous sont initialement définies à un, puis les éléments correspondant aux valeurs de corrélation les plus faibles sont mis à zéro à plusieurs reprises jusqu'à ce qu'un certain niveau de faible densité soit atteint. Sur la base de ces réseaux, nous avons utilisé des métriques de réseau mondiales et régionales pour analyser l’architecture globale et la centralité nodale régionale des réseaux cérébraux pour une comparaison au niveau du groupe. Les mesures globales utilisées incluaient des paramètres de petit monde, à savoir le coefficient de regroupement () et la longueur du trajet caractéristique () , , ainsi que l'efficacité globale du réseau () et l’efficacité du réseau local (). De plus, nous avons calculé des versions normalisées de ces mesures en utilisant des réseaux aléatoires (et ) pour assurer la propriété de petit monde des réseaux de cerveau construits. Nous définissons un réseau comme un petit monde s'il répond aux trois critères suivants: , et le ratio du petit monde, . Trois métriques de centralité nodale - degré (), Efficacité (), et entreness () - de chaque région cérébrale ont été calculés pour étudier les caractéristiques locales du réseau fonctionnel , .

Pour étudier statistiquement les différences entre les groupes, nous avons effectué une analyse bilatérale à deux échantillons. -tests avec un seuil de (FDR corrigé) sur chaque métrique de réseau (global et régional) en fonction de l'aire sous courbe (AUC) de chaque métrique de réseau construite à partir du régime du petit monde . La CUA fournit un résumé des caractéristiques topologiques des réseaux cérébraux sur l'ensemble du régime des petits pays, au lieu de ne considérer que la topologie à un seul seuil de parcimonie. , . Plus précisément, pour chaque métrique de réseau, nous avons d’abord calculé la valeur de l’ASC de chaque sujet sur des réseaux présentant différents niveaux de parcimonie, puis effectué deux échantillons. -des tests permettant de quantifier statistiquement toute différence au niveau du groupe entre la SAI et les groupes en bonne santé. Il est à noter qu'avant les tests statistiques, nous avions appliqué des régressions linéaires multiples pour éliminer les effets de l'âge, du sexe et de l'éducation, ainsi que leurs interactions. , - .

Fiabilité et répétabilité à l'aide d'atlas fonctionnel

Dans la présente étude, des réseaux de connectivité fonctionnels ont été construits au niveau régional en divisant l’ensemble du cerveau en ROI 90 sur la base de l’atlas AAL. Cependant, il a également été signalé que des réseaux cérébraux dérivés de différents systèmes de parcellisation ou utilisant différentes échelles spatiales peuvent présenter des architectures topologiques distinctes. - . Pour évaluer la fiabilité et la répétabilité de nos résultats, nous avons répété les expériences en utilisant l'atlas fonctionnel de Dosenbach , qui partitionne le cerveau humain en ROI 160, y compris le cervelet. Dans cet atlas, chaque ROI est définie comme un carré de diamètre 10 mm entourant un point d'origine sélectionné et la distance entre tous les centres de ROI est d'au moins 10 mm sans chevauchement spatial, ce qui signifie que certaines zones du cerveau ne sont pas couvertes par l'ensemble des ROI.

Relations entre les mesures réseau et les scores comportementaux

Pour les régions (basées sur l’atlas AAL) qui présentent des différences significatives au niveau du groupe en ce qui concerne la centralité nodale régionale, nous avons utilisé la corrélation de Pearson par paires (, FDR corrigé) pour analyser les relations entre les propriétés du réseau de chaque région et les scores comportementaux d'un individu. Plus précisément, dans l'analyse de corrélation, les métriques de réseau ont été traitées comme les variables dépendantes, tandis que les scores comportementaux, c'est-à-dire BIS-11, TMDS, SDQ et FAD, ont été traités comme les variables indépendantes. Pour mieux comprendre la relation entre les régions cérébrales touchées et la gravité de la maladie, nous avons également calculé le coefficient de corrélation de Pearson entre les caractéristiques du réseau et les scores YIAS.

Resultats

Caractéristiques démographiques et cliniques

Il n’existe pas de différence significative en termes d’âge, de sexe et d’année d’études (toutes avec ) entre les groupes IAD et HC. Cependant, il existe des différences significatives dans l'utilisation d'Internet en termes de jours par semaine () et heures par jour (). Bien qu’il n’y ait pas de différence significative entre les groupes pour les scores BIS-11 et TMDS (tous avec ), le SDQ-P (), SDQ-C () et FAD () sont significativement plus élevés dans le groupe IAD, comme indiqué dans Tableau 1 et Figure 1. Notamment, le YIAS (), la mesure clinique utilisée pour classer la DIA, montre la différence la plus significative au niveau du groupe.

thumbnail

Figure 1. Différences entre les groupes en termes de mesures cliniques et comportementales.

(YIAS = Young's Internet Addiction Scale, BIS-11 = Barratt Impulsiveness Scale-11, TMDS = Time Management Disposition Scale, SDQ-P = Strengths and Difficulties Questionnaire version parent, SDQ-C = Strengths and Difficulties Questionnaire version enfants, FAD = McMaster Dispositif d'évaluation de la famille).

doi: 10.1371 / journal.pone.0107306.g001

Connectivité fonctionnelle individuelle

Par rapport au groupe HC, seules trois connexions fonctionnelles ont subi une modification significative après la correction FDR. Deux connexions interhémisphériques, une entre le gyrus angulaire gauche (lobe pariétal) et le cortex orbitofrontal moyen droit (lobe frontal) et une autre entre le gyrus fusiforme gauche (lobe occipital) et le gyrus angulaire droit (lobe pariétal), présentent une force de connectivité accrue Patients IAD. Une connexion intra-hémisphérique, entre le caudé droit (cortex sous-cortical) et le gyrus supramarginal droit (lobe pariétal), montre une diminution de la connectivité dans le groupe atteint de la maladie. Ces connexions fonctionnelles considérablement altérées sont illustrées dans Figure 2. Les connexions de couleur rouge et bleue indiquent les connectivités fonctionnelles augmentées et diminuées, respectivement, dans le groupe IAD. Notez que la plupart des connexions fonctionnelles affectées impliquent des régions situées dans l'hémisphère droit et le lobe pariétal.

thumbnail

Figure 2. Connexions fonctionnelles significativement altérées chez les patients IAD (FDR corrigé).

Rouge: connectivité fonctionnelle accrue, Bleu: connectivité fonctionnelle réduite. (FRO: Frontal, INS: Insula, TEM: Temporel, PAR: pariétal, OCC: Occipital, LIM: Limbique, SBC: Sous-cortical). Cette visualisation est créée à l'aide du package BrainNet Viewer (http://www.nitrc.org/projects/bnv) et le Circos (http://circos.ca/).

doi: 10.1371 / journal.pone.0107306.g002

Caractéristiques globales des réseaux fonctionnels

Nous avons exploré les propriétés topologiques des réseaux cérébraux fonctionnels intrinsèques en comparant leurs comportements de petit monde avec des réseaux aléatoires comparables sur plusieurs niveaux de parcimonie, . En particulier, nous avons étudié les paramètres de petit monde (par exemple, le coefficient de groupement, la longueur de chemin caractéristique et le ratio de petit monde, ), ainsi que des gains d'efficacité globaux et locaux. Les réseaux aléatoires utilisés dans l’étude ont préservé le nombre de nœuds et d’arêtes, ainsi que les distributions de degré des réseaux cérébraux réels concernés par la technique de recâblage décrite dans la section . Analyses statistiques utilisant deux échantillons -tests (, Corrigés par le FDR) sur les valeurs de l’ASC par rapport au régime du petit monde n’a démontré aucune différence significative entre les groupes IAD et HC en termes de propriétés de réseau mondial.

Caractéristiques nodales régionales des réseaux fonctionnels

Malgré la topologie commune du petit monde, des différences significatives ont été observées au niveau du groupe dans la centralité nodale régionale. Dans cette étude, nous considérons qu’une région du cerveau est altérée de manière significative dans le groupe IAD si au moins une de ses trois métriques nodales régionales a une -valeur inférieure à 0.05 (FDR corrigé) en fonction de ses valeurs d'AUC. Tableau 2 résume les régions significativement altérées chez les patients atteints de DIA. Par rapport au groupe HC, les patients IAD ont présenté des altérations de la centralité ganglionnaire principalement localisées dans le lobule pariétal inférieur gauche (IPL), le thalamus gauche (THA) et d'autres régions telles que le système limbique, en particulier le gyrus cingulaire antérieur antérieur droit (ACG) et à droite. gyrus cingulaire moyen (MCG). Notamment, l'IPL et l'ACG sont des composants du réseau en mode par défaut (DMN), qui a déjà été lié à une connectivité modifiée dans le cadre d'une dépendance à une substance - .

thumbnail

Tableau 2. Régions présentant des centralités ganglionnaires anormales chez les patients IAD par rapport aux témoins sains (HC) basées sur l'atlas AAL.

doi: 10.1371 / journal.pone.0107306.t002

Fiabilité et répétabilité à l'aide d'atlas fonctionnel

Lorsque l'atlas de Dosenbach est utilisé pour définir les ROI, des différences de groupe significatives sont observées principalement dans les connexions frontales et pariétales au cervelet. Ces résultats sont résumés dans Tableau 3. Bien que ces connexions diffèrent de celles identifiées sur la base de l'atlas AAL, la plupart des connexions perturbées impliquent les mêmes lobes du cerveau, à l'exception des régions du cervelet. En termes de métriques de réseau globales, nous n’avons trouvé aucune différence entre les groupes IAD et HC, semblable aux résultats basés sur l’atlas AAL. Pour les métriques de réseau local, nous avons constaté que certaines des régions identifiées sont localisées à proximité des régions identifiées sur la base de l’atlas AAL, telles que ACG et THA, comme indiqué dans Tableau 4.

thumbnail

Tableau 3. Connexions fonctionnelles chez les personnes de la DIA ayant subi des modifications importantes fondées sur l'atlas de Dosenbach.

doi: 10.1371 / journal.pone.0107306.t003

thumbnail

Tableau 4. Régions montrant des centralités nodales anormales chez les patients atteints de DAI par rapport aux témoins sains (HC) sur la base de l'atlas de Dosenbach.

doi: 10.1371 / journal.pone.0107306.t004

Relations entre mesures de réseau et mesures comportementales

Il n'y a pas de valeur significative (Corrigé par le FDR) entre les métriques globales du réseau (, , et ) et les scores comportementaux et cliniques. Cependant, les métriques nodales régionales de plusieurs régions sont significativement (Corrigés par le FDR) en corrélation avec les scores comportementaux et cliniques. Le bon groupe ACG est en corrélation positive avec le score YIAS. Le MCG de droite est en corrélation positive avec le score YIAS. La PTH gauche est en corrélation positive avec les scores YIAS et SDQ-P. Cependant, l'IPL gauche n'est corrélé de manière significative à aucun score comportemental ou clinique. Les régions du cerveau qui sont significativement corrélées aux scores comportementaux et cliniques sont montrées dans Figure 3.

thumbnail

Figure 3. Les régions du cerveau qui sont significativement corrélées avec les scores comportementaux et cliniques dans le groupe IAD (FDR corrigé).

Cette illustration a été créée à l'aide du logiciel BrainNet Viewer (http://www.nitrc.org/projects/bnv). (YIAS = Young's Internet Addiction Score, BIS-11 = Barratt Impulsiveness Scale-11, TMDS = Time Management Disposition Scale, SDQ-P = version parent du questionnaire sur les forces et les difficultés, SDQ-C = version pour enfants du questionnaire sur les forces et les difficultés.).

doi: 10.1371 / journal.pone.0107306.g003

a lieu

Modification de la connectivité fonctionnelle individuelle

La compréhension du mécanisme de développement du cerveau humain est importante pour une meilleure compréhension des fondements pathologiques des troubles affectant les enfants et les adolescents, conduisant à un traitement précoce possible. Sur la base de l'analyse théorique des graphiques des données R-fMRI, il a été suggéré que l'organisation fonctionnelle du cerveau humain mûrit et évolue de l'enfance à l'adolescence jusqu'à l'âge adulte en suivant une tendance unique - une plus grande ségrégation fonctionnelle chez les enfants et une plus grande intégration fonctionnelle chez les adultes à l'âge adulte. le niveau du cerveau entier - . En particulier, l’organisation de réseaux cérébraux fonctionnels passe d’une connectivité locale à une architecture plus distribuée avec développement. , , où les adultes ont tendance à avoir une connectivité fonctionnelle à courte portée plus faible et une connectivité fonctionnelle à longue portée plus forte que les enfants .

Nos résultats démontrent que les connexions perturbées observées dans la DIA, bien que très peu après la correction FDR, sont des connexions fonctionnelles à longue distance et inter-hémisphériques qui sont importantes pour la communication à longue distance dans le cerveau humain. La perturbation des connexions à longue distance et inter-hémisphériques est un symptôme courant de nombreuses anomalies comportementales, y compris l'autisme. - , schizophrénie , dépendance aux opioïdes , et dépendance à la cocaïne . La déficience des connexions à longue distance peut être considérée comme une défaillance du processus d'intégration au sein d'un réseau fonctionnel distribué du cerveau humain , , , une déviation de la trajectoire neurodéveloppementale normale. Par conséquent, nous supposons que le développement anormal de la connectivité à longue distance et inter-hémisphérique chez les adolescents IAD observés dans cette étude est l'une des raisons possibles de leur comportement addictif.

Modifications dans les propriétés du réseau global

Le cerveau humain est considéré comme un système dynamique interconnecté complexe et de grande taille, doté de diverses propriétés topologiques importantes, telles que le petit monde, une efficacité élevée à un faible coût de câblage et des concentrateurs hautement connectés. , - . Dans un réseau de petit monde, les nœuds sont regroupés localement en faveur du traitement de l'information modulaire et sont connectés à distance via un petit nombre de connexions longue distance pour un routage global efficace . Les groupes IAD et HC ont montré des propriétés de petit monde, c’est-à-dire des coefficients de clustering élevés () et des longueurs de chemin caractéristiques similaires (), comparé à des réseaux aléatoires comparables. Cependant, nous avons observé des coefficients de clustering normalisés et des longueurs de chemin caractéristiques normalisées similaires toujours plus grands dans le groupe IAD par rapport au groupe HC sur la densité de connexion, conformément aux précédentes études en R-IRMf. . Un coefficient de clustering plus élevé reflète une intégration neuronale perturbée entre des régions distantes, qui montre des connexions fonctionnelles relativement rares, très distantes, très distantes et relativement courtes dans les groupes IAD et HC. La progression des stades cliniques, allant de légère à sévère, peut causer plus de déficience ou de déconnexion des connexions longue distance, et peut-être ainsi encourager l'établissement de connexions à courte distance au sein d'un cluster comme moyens alternatifs de préserver la transmission d'informations entre deux régions distantes. Toutefois, l’établissement de connexions à courte distance peut introduire des grappes anormales qui augmentent le risque de générer un flux d’informations incontrôlé ou aléatoire dans l’ensemble du réseau. Par ailleurs, tous les réseaux cérébraux ont présenté un traitement parallèle similaire de l’efficacité globale et locale par rapport à un réseau aléatoire comparable. . Ces résultats soutiennent le concept d'un modèle du cerveau humain de petit monde qui offre une combinaison équilibrée de spécialisation locale et d'intégration globale. . Notre observation de l'absence de différence significative entre les groupes IAD et HC en termes de propriétés de réseau global peut impliquer que les changements de structure de réseau fonctionnel dans IAD sont subtils. Par conséquent, des recherches plus poussées sur les biomarqueurs de la DIA spécifiques à une région pourraient révéler des informations importantes sur la pathologie de la maladie et de la toxicomanie en général.

Caractéristiques nodales régionales des réseaux fonctionnels

Les altérations de la centralité nodale liées à l'IAD se rencontrent principalement dans les composants du système limbique, notamment ACG et MCG, IPL et THA. Les perturbations de ces régions ainsi que les voies de connexion associées peuvent être interprétées comme reflétant une diminution de l'efficacité du traitement de l'information, pouvant refléter des perturbations fonctionnelles dans l'IAD.

Le cingulate gyrus (CG), partie intégrante du système limbique, participe à la formation et au traitement des émotions, à l'apprentissage et à la mémoire, à la fonction exécutive et au contrôle respiratoire. . Il reçoit des entrées de la THA et du néocortex et se projette sur le cortex entorhinal via le cingulum. Cette voie se concentre sur les événements émotionnellement significatifs et régule les comportements agressifs . La perturbation des fonctions liées au CG pourrait nuire à la capacité d'un individu à surveiller et contrôler ses comportements, en particulier les comportements liés à l'émotion . La plupart des analyses de toxicomanie et de comportement ont révélé des modifications significatives des parties antérieure et postérieure du CG (ACG et PCG), y compris la dépendance à l'alcool. , jeu pathologique et IAD , . Chez les drogués, des modifications similaires similaires ont également été rapportées . Dans des études IRMf antérieures, il a également été démontré que les CG antérieures, moyennes et postérieures sont toutes affectées dans les conditions de récompense et de punition. . En raison du rôle joué par le MCG dans le traitement des émotions positives et négatives, il n’est pas surprenant que la région présente une perturbation significative de la connectivité chez les patients atteints de la DIA.

La THA est un standard d’information sur le cerveau et intervient dans de nombreuses fonctions du cerveau, y compris le traitement des récompenses. , comportements orientés vers les objectifs et fonctions cognitives et motrices . Il relaye les signaux sensoriels et moteurs des régions sous-corticales au cortex cérébral . Par le biais de la THA, le cortex orbitofrontal reçoit des projections directes et indirectes d'autres régions du cerveau limbique impliquées dans le renforcement des drogues, telles que l'amygdale, la CG et l'hippocampe. , pour contrôler et corriger les comportements liés aux récompenses et aux punitions . Circuit thalamo-cortical anormal trouvé chez les accros du jeu en ligne peut suggérer une altération du fonctionnement de la PTH liée aux habitudes chroniques de mauvaise qualité de sommeil et focalisation attentionnelle écrasante sur ordinateur. De plus, le THA est relié fonctionnellement à l'hippocampe dans le cadre du système hippocampique étendu, ce qui est crucial pour des fonctions cognitives telles que la navigation dans l'espace et la consolidation d'informations de la mémoire à court terme à la mémoire à long terme , .

Nous avons observé des altérations significatives des centralités nodales dans la LIP, en ligne avec les résultats rapportés dans de récentes études IAD basées sur la R-IRM , . Semblable à la THA, l'IPL est massivement connecté aux cortex auditifs, visuels et somatosensoriels, et il est capable de traiter simultanément différents types de stimuli. En tant que l’une des dernières structures développées du cerveau humain au cours du développement, l’IPL peut être plus vulnérable à une exposition excessive de stimuli auditifs et visuels, en particulier pendant l’enfance. Une déficience IPL induite par une utilisation excessive d'Internet peut empêcher un individu de médier correctement une réponse inhibant la régulation de l'impulsion , , endommageant leur capacité à résister aux envies d’internet provoquées par les signaux, ce qui pourrait nuire davantage à l’IPL. Ces schémas circulaires sont souvent observés chez les toxicomanes toxicomanes et comportementaux.

Les régions de la DMN sont généralement plus actives au repos que d'effectuer des tâches dirigées par des objectifs . Ces régions sont connues pour être impliquées dans la modulation émotionnelle et les activités autoréférentielles, y compris l’évaluation de la saillance des signaux internes et externes, la mémorisation du passé et la planification de l’avenir. , , quels sont les critères importants du diagnostic IAD. Il a déjà été suggéré qu'une modification de la connectivité impliquant les régions DMN contribue à divers comportements symptomatiques lors de maladies , y compris la toxicomanie , et dépendances comportementales , . Nos résultats de modification de la connectivité fonctionnelle impliquant plusieurs régions de DMN sont en partie cohérents avec les observations précédentes, ce qui suggère que le DMN pourrait potentiellement servir de biomarqueur pour identifier les patients IAD.

Fiabilité et répétabilité à l'aide d'atlas fonctionnel

Certaines des régions cérébrales anormales identifiées sur la base de l'atlas AAL ont également été identifiées à l'aide de l'atlas fonctionnel, ce qui conforte la fiabilité et la répétabilité de nos résultats. Une des raisons possibles des résultats légèrement différents est le régime de utilisé dans cette étude. Les caractéristiques du petit monde des réseaux de connectivité construits sur la base de l'atlas AAL des ROI 90 sont les plus cohérentes dans cette plage. . Toutefois, cet intervalle de parcimonie peut ne pas être optimal pour les atlas présentant un nombre différent de retours sur investissement. En outre, les ROI obtenus à partir de l’atlas de Dosenbach sont définis fonctionnellement et ne couvrent pas l’ensemble du cerveau. . Dans cet atlas, les centres de toutes les ROI 160 sont d'abord identifiés et une sphère de rayon 5 mm est créée à partir de chaque centre, produisant une ROI sphérique 10 mm. Le centre de chaque ROI doit également être placé à au moins 10 mm par rapport aux centres des autres ROI, ce qui aboutira à un atlas ne se chevauchant pas dans le temps. En revanche, l’atlas AAL recouvre la matière grise de l’ensemble du cerveau. Ces différences dans la définition du retour sur investissement et la superficie globale couverte peuvent contribuer aux variations des résultats. Par conséquent, des recherches supplémentaires utilisant une cohorte plus importante sont nécessaires pour déterminer dans quelle mesure le choix du schéma de parcellisation du cerveau affecte la caractérisation de la topologie du réseau.

Corrélation entre métriques réseau et mesures comportementales

Dans cette étude, nous n'avons pas observé de corrélation entre la métrique de réseau global et les mesures comportementales, ce qui implique l'absence d'altérations dans la topologie de réseau du cerveau entier. Cette découverte peut également suggérer que les variations du réseau cérébral sont subtiles en raison de la plasticité du cerveau humain (neuroplasticité) , à récupérer la plupart de ses fonctions quotidiennes via des voies alternatives (circuits neuronaux). La plasticité cérébrale implique la réorganisation des connexions entre les cellules nerveuses ou les neurones et peut être influencée par une multitude de facteurs. - . Il survient de manière liée à l'âge, avec une prévalence plus élevée pendant l'enfance et l'adolescence qu'à l'âge adulte, suggérant une meilleure récupération des connexions neuronales altérées chez les adolescents atteints de IAD. De plus, il a été démontré que diverses conditions comportementales, allant de la toxicomanie aux troubles neurologiques et psychiatriques, sont corrélées aux modifications localisées des circuits neuronaux. . Il n’est donc pas surprenant que des mesures réseau grossières à l’échelle mondiale, telles que le coefficient de groupement moyen, la longueur de chemin caractéristique et l’efficacité du réseau, soient moins sensibles pour la détection des modifications des circuits cérébraux dans le groupe IAD.

Cependant, les métriques nodales régionales de plusieurs régions du cerveau sont corrélées à certaines des mesures comportementales. En particulier, la version parente de SDQ (SDQ-P), qui mesure à la fois la capacité d’un individu à gérer correctement l’impulsivité et la gravité des problèmes d’émotion et de comportement prosocial sur la base des informations fournies par les parents des adolescents étudiés, est positive. en corrélation avec les régions cérébrales fonctionnellement affectées trouvées dans la DIA. L'incapacité à contrôler les comportements impulsifs et les émotions est l'un des principaux symptômes comportementaux. Il est courant que les patients ne soient pas au courant des changements affectifs dans leurs émotions et leurs comportements, bien que ces changements soient relativement évidents pour les personnes qui les entourent. C'est peut-être la raison principale pour laquelle aucune des mesures de réseau n'est corrélée à la version enfant de SDQ (SDQ-C) en raison de sa nature d'auto-évaluation. D'autre part, il n'y a pas de corrélation significative entre les mesures de réseau régional et les autres mesures comportementales, notamment BIS-11, FAD et TMDS. Cette conclusion est appuyée par le grand -values ​​pour ces mesures entre la SAI et les groupes en bonne santé (Tableau 1). Ces résultats peuvent suggérer que certaines de ces mesures comportementales sont utiles pour déterminer les régions touchées et aident donc au diagnostic de la DIA, bien qu'un travail considérable soit encore nécessaire pour mieux comprendre les rôles de ces mesures dans les dépendances ou les troubles du comportement.

Problèmes méthodologiques / limites

Plusieurs limitations doivent être soulignées dans cette étude. Premièrement, le diagnostic de la DIA était principalement basé sur les résultats de questionnaires autodéclarés, qui pourraient affecter la fiabilité des diagnostics. À l'avenir, des outils de diagnostic normalisés pour l'identification de l'IAD devront être développés pour améliorer la fiabilité et la validité des diagnostics d'IAD. Deuxièmement, notre étude est limitée par la petite taille de l'échantillon et le déséquilibre entre les sexes des participants (hommes 31 et femmes 4), ce qui pourrait réduire le pouvoir statistique et la généralisabilité des résultats, bien que ces facteurs aient été contrôlés dans l'analyse. L'effet du sexe sur la prévalence de la DIA est toujours une question débattue. Sur la base des conclusions de Young , un nombre élevé de femmes présentent une dépendance à Internet. En revanche, une étude récente a révélé que les hommes présentaient un risque plus élevé de comportement de la SAI . Cependant, il a également été signalé qu'il n'y avait pas de relation entre le sexe et la DIA , . Des expériences futures utilisant une cohorte plus large avec un rapport de genre plus équilibré sont nécessaires pour mieux évaluer la relation entre le sexe et la susceptibilité à la DIA.

Renseignements à l'appui

Fichier S1.

Matériel supplémentaire.

doi: 10.1371 / journal.pone.0107306.s001

(PDF)

Remerciements

Ce travail a été financé en partie par les subventions EB006733, EB008374, EB009634, AG041721 et CA140413 des National Institutes of Health (NIH), ainsi que par la National Natural Science Foundation of China (81171325) et le National Key Technology R&D Program 2007BAI17B03.

Contributions d'auteur

Conception et réalisation des expériences: CYW ZZ PTY GW FS TP YD JX YZ DS. Réalisé les expériences: CYW ZZ YD JX YZ DS. Analysé les données: CYW PTY DS. Réactifs, matériaux et outils d’analyse utiles: ZZ YD JX YZ. A écrit le papier: CYW PTY TP DS.

Bibliographie

  1. 1. Ng BD, Wiemer-Hastings P (2005) Dépendance à Internet et aux jeux en ligne. Cyberpsychol Behav 8: 110 – 113. doi: 10.1089 / cpb.2005.8.110
  2. 2. Dépendance Internet Young KS (1998): L’émergence d’un nouveau trouble clinique. Cyberpsychol Behav 1: 237 – 244. doi: 10.1089 / cpb.1998.1.237
  3. Voir l'article
  4. PubMed / NCBI
  5. Google Scholar
  6. Voir l'article
  7. PubMed / NCBI
  8. Google Scholar
  9. Voir l'article
  10. PubMed / NCBI
  11. Google Scholar
  12. Voir l'article
  13. PubMed / NCBI
  14. Google Scholar
  15. Voir l'article
  16. PubMed / NCBI
  17. Google Scholar
  18. Voir l'article
  19. PubMed / NCBI
  20. Google Scholar
  21. Voir l'article
  22. PubMed / NCBI
  23. Google Scholar
  24. Voir l'article
  25. PubMed / NCBI
  26. Google Scholar
  27. Voir l'article
  28. PubMed / NCBI
  29. Google Scholar
  30. Voir l'article
  31. PubMed / NCBI
  32. Google Scholar
  33. Voir l'article
  34. PubMed / NCBI
  35. Google Scholar
  36. Voir l'article
  37. PubMed / NCBI
  38. Google Scholar
  39. Voir l'article
  40. PubMed / NCBI
  41. Google Scholar
  42. Voir l'article
  43. PubMed / NCBI
  44. Google Scholar
  45. 3. 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. doi: 10.1016 / j.eurpsy.2010.04.011
  46. Voir l'article
  47. PubMed / NCBI
  48. Google Scholar
  49. Voir l'article
  50. PubMed / NCBI
  51. Google Scholar
  52. Voir l'article
  53. PubMed / NCBI
  54. Google Scholar
  55. Voir l'article
  56. PubMed / NCBI
  57. Google Scholar
  58. Voir l'article
  59. PubMed / NCBI
  60. Google Scholar
  61. Voir l'article
  62. PubMed / NCBI
  63. Google Scholar
  64. Voir l'article
  65. PubMed / NCBI
  66. Google Scholar
  67. Voir l'article
  68. PubMed / NCBI
  69. Google Scholar
  70. Voir l'article
  71. PubMed / NCBI
  72. Google Scholar
  73. Voir l'article
  74. PubMed / NCBI
  75. Google Scholar
  76. 4. Bloc J (2006) Prévalence sous-estimée dans une étude sur l'utilisation d'Internet problématique. Spectre CNS 12: 14 – 15.
  77. Voir l'article
  78. PubMed / NCBI
  79. Google Scholar
  80. Voir l'article
  81. PubMed / NCBI
  82. Google Scholar
  83. Voir l'article
  84. PubMed / NCBI
  85. Google Scholar
  86. Voir l'article
  87. PubMed / NCBI
  88. Google Scholar
  89. 5. Fitzpatrick JJ (2008) Dépendance à Internet: reconnaissance et interventions. Arch Neurol 22: 59 – 60. doi: 10.1016 / j.apnu.2007.12.001
  90. Voir l'article
  91. PubMed / NCBI
  92. Google Scholar
  93. Voir l'article
  94. PubMed / NCBI
  95. Google Scholar
  96. 6. Cao F, Su L, Liu T, Gao X (2007) Relation entre l'impulsivité et la dépendance à Internet chez un échantillon d'adolescents chinois. Eur Psychiatry 22: 466 – 471. doi: 10.1016 / j.eurpsy.2007.05.004
  97. Voir l'article
  98. PubMed / NCBI
  99. Google Scholar
  100. Voir l'article
  101. PubMed / NCBI
  102. Google Scholar
  103. Voir l'article
  104. PubMed / NCBI
  105. Google Scholar
  106. Voir l'article
  107. PubMed / NCBI
  108. Google Scholar
  109. Voir l'article
  110. PubMed / NCBI
  111. Google Scholar
  112. Voir l'article
  113. PubMed / NCBI
  114. Google Scholar
  115. Voir l'article
  116. PubMed / NCBI
  117. Google Scholar
  118. Voir l'article
  119. PubMed / NCBI
  120. Google Scholar
  121. Voir l'article
  122. PubMed / NCBI
  123. Google Scholar
  124. Voir l'article
  125. PubMed / NCBI
  126. Google Scholar
  127. Voir l'article
  128. PubMed / NCBI
  129. Google Scholar
  130. Voir l'article
  131. PubMed / NCBI
  132. Google Scholar
  133. Voir l'article
  134. PubMed / NCBI
  135. Google Scholar
  136. Voir l'article
  137. PubMed / NCBI
  138. Google Scholar
  139. Voir l'article
  140. PubMed / NCBI
  141. Google Scholar
  142. Voir l'article
  143. PubMed / NCBI
  144. Google Scholar
  145. Voir l'article
  146. PubMed / NCBI
  147. Google Scholar
  148. Voir l'article
  149. PubMed / NCBI
  150. Google Scholar
  151. Voir l'article
  152. PubMed / NCBI
  153. Google Scholar
  154. Voir l'article
  155. PubMed / NCBI
  156. Google Scholar
  157. Voir l'article
  158. PubMed / NCBI
  159. Google Scholar
  160. Voir l'article
  161. PubMed / NCBI
  162. Google Scholar
  163. Voir l'article
  164. PubMed / NCBI
  165. Google Scholar
  166. Voir l'article
  167. PubMed / NCBI
  168. Google Scholar
  169. Voir l'article
  170. PubMed / NCBI
  171. Google Scholar
  172. Voir l'article
  173. PubMed / NCBI
  174. Google Scholar
  175. Voir l'article
  176. PubMed / NCBI
  177. Google Scholar
  178. Voir l'article
  179. PubMed / NCBI
  180. Google Scholar
  181. Voir l'article
  182. PubMed / NCBI
  183. Google Scholar
  184. Voir l'article
  185. PubMed / NCBI
  186. Google Scholar
  187. Voir l'article
  188. PubMed / NCBI
  189. Google Scholar
  190. Voir l'article
  191. PubMed / NCBI
  192. Google Scholar
  193. Voir l'article
  194. PubMed / NCBI
  195. Google Scholar
  196. Voir l'article
  197. PubMed / NCBI
  198. Google Scholar
  199. Voir l'article
  200. PubMed / NCBI
  201. Google Scholar
  202. Voir l'article
  203. PubMed / NCBI
  204. Google Scholar
  205. Voir l'article
  206. PubMed / NCBI
  207. Google Scholar
  208. Voir l'article
  209. PubMed / NCBI
  210. Google Scholar
  211. Voir l'article
  212. PubMed / NCBI
  213. Google Scholar
  214. Voir l'article
  215. PubMed / NCBI
  216. Google Scholar
  217. Voir l'article
  218. PubMed / NCBI
  219. Google Scholar
  220. Voir l'article
  221. PubMed / NCBI
  222. Google Scholar
  223. Voir l'article
  224. PubMed / NCBI
  225. Google Scholar
  226. Voir l'article
  227. PubMed / NCBI
  228. Google Scholar
  229. Voir l'article
  230. PubMed / NCBI
  231. Google Scholar
  232. Voir l'article
  233. PubMed / NCBI
  234. Google Scholar
  235. Voir l'article
  236. PubMed / NCBI
  237. Google Scholar
  238. Voir l'article
  239. PubMed / NCBI
  240. Google Scholar
  241. Voir l'article
  242. PubMed / NCBI
  243. Google Scholar
  244. Voir l'article
  245. PubMed / NCBI
  246. Google Scholar
  247. Voir l'article
  248. PubMed / NCBI
  249. Google Scholar
  250. Voir l'article
  251. PubMed / NCBI
  252. Google Scholar
  253. Voir l'article
  254. PubMed / NCBI
  255. Google Scholar
  256. Voir l'article
  257. PubMed / NCBI
  258. Google Scholar
  259. Voir l'article
  260. PubMed / NCBI
  261. Google Scholar
  262. Voir l'article
  263. PubMed / NCBI
  264. Google Scholar
  265. Voir l'article
  266. PubMed / NCBI
  267. Google Scholar
  268. Voir l'article
  269. PubMed / NCBI
  270. Google Scholar
  271. Voir l'article
  272. PubMed / NCBI
  273. Google Scholar
  274. Voir l'article
  275. PubMed / NCBI
  276. Google Scholar
  277. Voir l'article
  278. PubMed / NCBI
  279. Google Scholar
  280. Voir l'article
  281. PubMed / NCBI
  282. Google Scholar
  283. Voir l'article
  284. PubMed / NCBI
  285. Google Scholar
  286. Voir l'article
  287. PubMed / NCBI
  288. Google Scholar
  289. Voir l'article
  290. PubMed / NCBI
  291. Google Scholar
  292. Voir l'article
  293. PubMed / NCBI
  294. Google Scholar
  295. Voir l'article
  296. PubMed / NCBI
  297. Google Scholar
  298. Voir l'article
  299. PubMed / NCBI
  300. Google Scholar
  301. Voir l'article
  302. PubMed / NCBI
  303. Google Scholar
  304. 7. 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. doi: 10.1371 / journal.pone.0020708
  305. Voir l'article
  306. PubMed / NCBI
  307. Google Scholar
  308. Voir l'article
  309. PubMed / NCBI
  310. Google Scholar
  311. Voir l'article
  312. PubMed / NCBI
  313. Google Scholar
  314. Voir l'article
  315. PubMed / NCBI
  316. Google Scholar
  317. 8. Ernst M, Pine DS, Hardin M (2006) Modèle triadique de la neurobiologie du comportement motivé à l'adolescence. Psychol Med 36: 299 – 312. doi: 10.1017 / s0033291705005891
  318. 9. Pine DS, Cohen P, Brook JS (2001) Réactivité émotionnelle et risque de psychopathologie chez les adolescents. Spectre CNS 6: 27 – 35.
  319. 10. Silveri MM, Tzilos GK, Pimentel PJ, Yurgelun-Todd DA (2004) Trajectoires du développement émotionnel et cognitif des adolescents: effets du sexe et risque de consommation de drogue. Ann NY Acad Sci 1021: 363 – 370. doi: 10.1196 / annals.1308.046
  320. 11. Steinberg L (2005) Développement cognitif et affectif à l'adolescence. Tendances Cogn Sci 9: 69 – 74. doi: 10.1016 / j.tics.2004.12.005
  321. 12. Ko CH, Yen JY, Chen Chen, SH Chen, Yen CF (2005) Critères de diagnostic proposés pour la dépendance à Internet chez les adolescents. J Disque mental 193: 728 – 733. Doi: 10.1097 / 01.nmd.0000185891.13719.54
  322. 13. Yoo HJ, Cho SC, Ha J, SK Yune, Kim SJ et al. (2004) Symptômes d'hyperactivité avec déficit de l'attention et dépendance à Internet. Centre de psychiatrie Neurosci 58: 487 – 494. Doi: 10.1111 / j.1440-1819.2004.01290.x
  323. 14. Shapira NA, MC Lessig, Goldsmith TD, ST Szabo, Lazoritz M, et al. (2003) Utilisation d'Internet problématique: Classification proposée et critères de diagnostic. Dépression de l'anxiété 17: 207 – 216. doi: 10.1002 / da.10094
  324. 15. Dépendance Internet Beard KW (2005): examen des techniques d’évaluation actuelles et questions posées à l’évaluation. Cyberpsychol Behav 8: 7 – 14. doi: 10.1089 / cpb.2005.8.7
  325. 16. Young K (1999) Innovations en pratique clinique: recueil, Presse professionnelle, volume 17, chapitre Internet Addiction: Symptômes, évaluation et traitement. pp. 19 – 31.
  326. 17. Block JJ (2008) Issues for DSM-V: Dépendance à Internet. Am J Psychiatry 165: 306 – 307. doi: 10.1176 / appi.ajp.2007.07101556
  327. 18. Doidge N (2007) Le cerveau qui se change: récits de triomphes personnels depuis les frontières de la science du cerveau. Penguin Books, édition 1st: 10.1080 / 10398560902721606
  328. 19. American Psychiatric Association (2013), Manuel diagnostique et statistique des troubles mentaux (DSM-5). American Psychiatric Publishing (APPI) .. doi: 10.1007 / springerreference_179660
  329. 20. Dépendance à Internet de Bernardi S (2009) SPallanti (2009): étude clinique descriptive axée sur les comorbidités et les symptômes dissociatifs. Compr Psychiatry 50: 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011
  330. 21. Caplan SE (2002) Utilisation d'Internet problématique et bien-être psychosocial: Développement d'un instrument de mesure cognitivo-comportemental basé sur la théorie. Comput Human Behav 18: 553 – 575. Paramètres: 10.1016 / s0747-5632 (02) 00004-3
  331. 22. Shaw M, Black DW (2008) Dépendance à Internet: définition, évaluation, épidémiologie et gestion clinique. Médicaments contre le SNC 22: 353 – 365. doi: 10.2165 / 00023210-200822050-00001
  332. 23. Tao R, Huang X, Wang J, Zhang H, Zhang Y et al. (2010) Critères de diagnostic proposés pour la dépendance à Internet. Addiction 105: 556 – 564. Doi: 10.1111 / j.1360-0443.2009.02828.x
  333. 24. Ding W, Sun J, Sun Y, Zhou Y, Li L, et al. (2013) Modification de la connectivité fonctionnelle à l'état de repos du réseau par défaut chez les adolescents présentant une dépendance aux jeux sur Internet. PLoS ONE 8: e59902. doi: 10.1371 / journal.pone.0059902
  334. 25. 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: étude de statistiques spatiales basée sur les voies. PLoS ONE 7: e30253. doi: 10.1371 / journal.pone.0030253
  335. 26. Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ et al. (2013) Diminution de la connectivité cérébrale fonctionnelle chez les adolescents ayant une dépendance à Internet. PLoS ONE 8: e57831. doi: 10.1371 / journal.pone.0057831
  336. 27. Liu J, Yuan L, Ye J (2010) Un algorithme efficace pour une classe de problèmes de lasso fondu. Dans: KDD. pp. 323 – 332.
  337. 28. Yuan K, P Cheng, Dong T, Y Bi, Xing L, et al. (2013) Anomalies d'épaisseur corticale à la fin de l'adolescence avec dépendance au jeu en ligne. PLoS ONE 8: e53055. doi: 10.1371 / journal.pone.0053055
  338. 29. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, 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. doi: 10.1016 / j.ejrad.2009.10.025
  339. 30. Yuan K, C Jin, Cheng P, Yang X, Dong T et al. (2013) Amplitude des anomalies de fluctuation de basse fréquence chez les adolescents ayant une dépendance au jeu en ligne. PLoS ONE 8: e78708. doi: 10.1371 / journal.pone.0078708
  340. 31. Zuo XN, Ehmke, R, Mennes, M., Imperati, D., Castellanos FX, et al. (2012) Centralité du réseau dans le connectome fonctionnel humain. Cereb Cortex 22: 1862 – 1875. doi: 10.1093 / cercor / bhr269
  341. 32. Koschützki D, Lehmann KA, Peeters L, Richter S, Tenfelde-Podehl D, et al. (2005) Indices de centralité. Dans: Brandes U, Erlebach T, éditeurs, Analyse de réseau: fondements méthodologiques. New York: Springer-Verlag, volume 3418, p. 16 – 61.
  342. 33. Beard KW, Wolf EM (2001) Modification des critères de diagnostic proposés pour la dépendance à Internet. Cyberpsychol Behav 4: 377 – 383. doi: 10.1089 / 109493101300210286
  343. 34. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Activateurs cérébraux associés à la tentation de la dépendance au jeu en ligne. J Psychiatr Res 43: 739 – 747. doi: 10.1016 / j.jpsychires.2008.09.012
  344. 35. Young KS (1998) pris dans le réseau: comment reconnaître les signes de dépendance à Internet et une stratégie gagnante pour la relance. John Wiley et ses fils.
  345. 36. Patton JH, Stanford MS, Barratt ES (1995) Structure factorielle de l'échelle d'impulsivité de barratt. J Clin Psychol 51: 768–774. doi: 10.1002 / 1097-4679 (199511) 51: 6 <768 :: aid-jclp2270510607> 3.0.co; 2-1
  346. 37. Huang X, Zhang Z (2001) La compilation de l'inventaire de disposition de gestion du temps d'adolescence. Acta Psychol Sin 33: 338 – 343.
  347. 38. Goodman R (1997) Le questionnaire sur les forces et les difficultés: une note de recherche. J Psychiatrie infantile Psychiatrie 38: 581 – 586. fichier: 10.1111 / j.1469-7610.1997.tb01545.x
  348. 39. Epstein NB, Baldwin LM, Bishop DS (1983) Le dispositif d'évaluation de la famille McMaster. J Marital Fam Ther 9: 171 – 180. fichier: 10.1111 / j.1752-0606.1983.tb01497.x
  349. 40. Yan CG, Zang YF (2010) DPARSF: une boîte à outils MATLAB pour l'analyse de données «en pipeline» de l'IRMf à l'état de repos. Système avant Neurosci 4: 13. doi: 10.3389 / fnsys.2010.00013
  350. 41. Song XW, Dong ZY, Long XY, Li SF, Zuo XN, et al. (2011) REST: Boîte à outils pour le traitement de données d'imagerie par résonance magnétique fonctionnelle à l'état de repos. PLoS ONE 6: e25031. doi: 10.1371 / journal.pone.0025031
  351. 42. 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. doi: 10.1016 / j.neuroimage.2011.10.018
  352. 43. 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. doi: 10.1006 / nimg.2001.0978
  353. 44. Achard S, Bullmore E (2007) Efficacité et coût des réseaux économiques fonctionnels du cerveau. PLoS Comput Biol 3: e17. doi: 10.1371 / journal.pcbi.0030017
  354. 45. Bassett DS, Meyer-Lindenberg A, Achard S, Duke T, Bullmore E (2006) Reconfiguration adaptative des réseaux fonctionnels de cerveau humain du petit monde fractal. Proc Natl Acad Sci USA 103: 19518 – 19523. doi: 10.1073 / pnas.0606005103
  355. 46. Rubinov M, Sporns O (2010) Mesure de la connectivité cérébrale en réseaux complexes: Utilisations et interprétations. Neuroimage 52: 1059 – 1069. doi: 10.1016 / j.neuroimage.2009.10.003
  356. 47. Smit DJA, Stam CJ, D Posthuma, Boomsma DI, EJC De Geus (2008) Héritabilité des réseaux du «petit monde» dans le cerveau: analyse graphique théorique de la connectivité fonctionnelle EEG à l'état de repos. Hum Brain Mapp 29: 1368 – 1378. doi: 10.1002 / hbm.20468
  357. 48. Zhang J, Wang J, Wu Q, W Kuang, Huang X, et al. (2011) Réseaux de connectivité cérébrale interrompus dans le désordre dépressif majeur lié à la toxicomanie. Biol Psychiatry 70: 334 – 342. doi: 10.1016 / j.biopsych.2011.05.018
  358. 49. Latora V, Marchiori M (2001) Comportement efficace des réseaux du petit monde. Phys Rev Lett 87: 198701. doi: 10.1103 / physrevlett.87.198701
  359. 50. Watts DJ, Strogatz SH (1998) Dynamique collective des réseaux du «petit monde». Nature 393: 440 – 442. doi: 10.1038 / 30918
  360. 51. Il Y, Wang J, L Wang, Chen ZJ, Yan C, et al. (2009) Découverte de l'organisation modulaire intrinsèque de l'activité cérébrale spontanée chez l'homme. PLoS ONE 4: 1 – 17. doi: 10.1371 / journal.pone.0005226
  361. 52. Gong G., Rosa-Neto P., Carbonell F., Chen ZJ, He Y et al. (2009) Différences liées à l'âge et au sexe dans le réseau anatomique cortical. J Neurosci 29: 15684 – 15693. doi: 10.1523 / jneurosci.2308-09.2009
  362. 53. Tian L, Wang J, Yan C, He Y (2011) Différences liées à l'hémisphère et au sexe dans les réseaux cérébraux du petit monde: étude IRM fonctionnelle à l'état de repos. Neuroimage 54: 191 – 202. doi: 10.1016 / j.neuroimage.2010.07.066
  363. 54. Zhu W, Wen W, He Y, Xia A, Anstey KJ et al. (2012) Modification des schémas topologiques du vieillissement normal à l'aide de réseaux structurels à grande échelle. Neurobiol Vieillissement 33: 899 – 913. doi: 10.1016 / j.neurobiolaging.2010.06.022
  364. 55. Hayasaka S, Laurienti PJ (2010) Comparaison des caractéristiques entre les analyses de réseau basées sur les régions et les voxels dans des données fmri à l'état de repos. Neuroimage 50: 499 – 508. doi: 10.1016 / j.neuroimage.2009.12.051
  365. 56. Fornito A, Zalesky A, Bullmore ET (2010) Effets d'échelle de réseau dans les études analytiques de graphes de données IRMf à l'état de repos chez l'homme. Système avant Neurosci 4: 22. doi: 10.3389 / fnsys.2010.00022
  366. 57. Zalesky A, Fornito A, Harding IH, Cocchi L, Yücel M, et al. (2010) Réseaux anatomiques cerveau entier: le choix des nœuds est-il important? Neuroimage 50: 970 – 983. doi: 10.1016 / j.neuroimage.2009.12.027
  367. 58. NUF Dosenbach, Nardos B, AL Cohen, DA Fair, Power JD, et al. (2010) Prévision de la maturité cérébrale individuelle à l’aide de fmri. Science 329: 1358 – 1361. doi: 10.1126 / science.1194144
  368. 59. Maslov S, Sneppen K (2002) Spécificité et stabilité dans la topologie des réseaux de protéines. Science 296: 910 – 913. doi: 10.1126 / science.1065103
  369. 60. Buckner RL, Andrew-Hanna JR, Schacter DL (2008) Le réseau de mode par défaut du cerveau: anatomie, fonction et pertinence pour la maladie. Ann NY Acad Sci 1124: 1–38. doi: 10.1196 / annals.1440.011
  370. 61. Greicius MD, Krasnow B, Reiss AL, Menon V (2003) Connectivité fonctionnelle dans le cerveau au repos: analyse en réseau de l’hypothèse du mode par défaut. Proc Natl Acad Sci USA 100: 253 – 258. doi: 10.1073 / pnas.0135058100
  371. 62. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et al. (2001) Un mode par défaut de la fonction cérébrale. Proc Natl Acad Sci USA 98: 676 – 682. doi: 10.1073 / pnas.98.2.676
  372. 63. Fair DA, Dosenbach NUF, Church JA, Cohen AL, Brahmbhat S, et al. (2007) Développement de réseaux de contrôle distincts par la ségrégation et l'intégration. Proc Natl Acad Sci USA 104: 13507 – 13512. doi: 10.1073 / pnas.0705843104
  373. 64. DA Fair, Cohen AL, Power JD, Dosenbach NUF, Church JA et al. (2009) Les réseaux cérébraux fonctionnels se développent d'une organisation «locale à distribuée». PLoS Comput Biol 5: e1000381. doi: 10.1371 / journal.pcbi.1000381
  374. 65. Kelly AC, Di Martino A, LQ Uddin, Zarrar Shehzad1 DGG, Reiss PT, et al. (2009) Développement de la connectivité fonctionnelle cingulaire antérieure de la fin de l'enfance au début de l'âge adulte. Cereb Cortex 19: 640 – 657. doi: 10.1093 / cercor / bhn117
  375. 66. Supekar K, Musen M, Menon V (2009) Développement de réseaux cérébraux fonctionnels à grande échelle chez les enfants. PLoS Biol 7: e1000157. doi: 10.1371 / journal.pbio.1000157
  376. 67. 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. doi: 10.1093 / cercor / bhq190
  377. 68. Wilson TW, Rojas DC, Reite ML, PD Teale, Rogers SJ (2007) Les enfants et les adolescents autistes présentent une réponse gamma à l'état stable réduite de MEG. Biol Psychiatry 62: 192 – 197. doi: 10.1016 / j.biopsych.2006.07.002
  378. 69. Uddin LQ, Supekar K, Menon V (2010) Développement typique et atypique de réseaux cérébraux humains fonctionnels: informations tirées de l'IRMf à l'état de repos. Système avant Neurosci 4: 21. doi: 10.3389 / fnsys.2010.00021
  379. 70. Uddin LQ, Supekar KS, Ryali S, Menon V (2011) Reconfiguration dynamique de la connectivité structurelle et fonctionnelle à travers le développement de réseaux neurocognitifs centraux. J Neurosci 31: 18578 – 18589. doi: 10.1523 / jneurosci.4465-11.2011
  380. 71. Liang M, Zhou Y, Jiang T, Liu Z, Tian L, et al. (2006) Déconnectivité fonctionnelle généralisée dans la schizophrénie avec imagerie par résonance magnétique fonctionnelle au repos. Neuroreport 17: 209 – 213. Doi: 10.1097 / 01.wnr.0000198434.06518.b8
  381. 72. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2006) Augmentation de la connectivité fonctionnelle distante locale et réduite aux bandes de fréquence alpha et bêta EEG chez les patients dépendants des opioïdes. Psychopharmacologie 188: 42 – 52. Paramètres: 10.1007 / s00213-006-0474-4
  382. 73. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2007) Le retrait des opioïdes se traduit par une connectivité fonctionnelle locale et distante accrue dans les bandes de fréquence alpha et bêta de l'EEG. Neurosci Res 58: 40 – 49. doi: 10.1016 / j.neures.2007.01.011
  383. 74. 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. doi: 10.1016 / j.biopsych.2010.11.022
  384. 75. Fair DA, Cohen AL, Church NUDJA, Miezin FM, Barch DM, et al. (2008) L'architecture mûrissante du réseau par défaut du cerveau. Proc Natl Acad Sci USA 105: 4028–4032. doi: 10.1073 / pnas.0800376105
  385. 76. Bullmore E, Sporns O (2009) Réseaux cérébraux complexes: analyse théorique de graphes de systèmes structurels et fonctionnels. Rév. Nat Neurosci 10: 186 – 198. doi: 10.1038 / nrn2575
  386. 77. He Y, Evans A (2010) Modélisation théorique de la connectivité cérébrale. Opin Neurol 23: 341 – 350.
  387. 78. Stam CJ (2010) Caractérisation de la connectivité anatomique et fonctionnelle dans le cerveau: une perspective de réseaux complexes. Int J Psychophysiol 77: 186 – 194. doi: 10.1016 / j.ijpsycho.2010.06.024
  388. 79. Wang J, Zuo X, He Y (2010) Analyse de réseau basée sur des graphes de l'IRM fonctionnelle à l'état de repos. Système avant Neurosci 4: 16. doi: 10.3389 / fnsys.2010.00016
  389. 80. Latora V, Marchiori M (2003) Comportement économique d'un petit monde dans des réseaux pondérés. Journal physique Eur B 32: 249 – 263. Paramètres: 10.1140 / epjb / e2003-00095-5
  390. 81. Tononi G, Directeur général d'Edelman, Sporns O (1998) Complexité et cohérence: Intégration de l'information dans le cerveau. Tendances en sciences cognitives 2: 474 – 484. Paramètres: 10.1016 / s1364-6613 (98) 01259-5
  391. 82. Mayberg HS (1997) Dérégulation limbique-corticale: un modèle de dépression proposé. J Clinique de neuropsychiatrie Neurosci 9: 471 – 481.
  392. 83. Goldstein RZ, D. Tomasi, S. Rajaram, LA Cottone, Zhang L. et al. (2007) Rôle du cingulaire antérieur et du cortex orbitofrontal médial dans le traitement des signaux de médicaments dans la dépendance à la cocaïne. Neuroscience 144: 1153 – 1159. doi: 10.1016 / j.neuroscience.2006.11.024
  393. 84. Grüsser SM, Wrase J, Klein S, Hermann D., Smolka, MN, et al. (2004) L'activation du striatum et du cortex préfrontal médial induite par un signal est associée à une rechute ultérieure chez les alcooliques abstinents. Psychopharmacologie (Berl) 175: 296 – 302. Paramètres: 10.1007 / s00213-004-1828-4
  394. 85. Miedl SF, Fehr T, Meyer G, Herrmann M (2010) Corrélats neurobiologiques du jeu problématique dans un scénario de blackjack quasi réaliste révélé par l'IRMf. Service de psychiatrie 181: 165 – 173. doi: 10.1016 / j.pscychresns.2009.11.008
  395. 86. Matochik JA, Londres ED, Eldreth DA, cadet JL, Boll KI (2003) Composition du tissu cortical frontal chez des consommateurs de cocaïne abstinents: étude d'imagerie par résonance magnétique. Neuroimage 19. Paramètres: 10.1016 / s1053-8119 (03) 00244-1
  396. 87. Fujiwara J, PN Tobler, M Taira, Iijima T et Tsutsui KI (2009). Codage séparé et intégré de la récompense et du châtiment dans le cortex cingulaire. J Neurophysiol 101: 3284 – 3293. doi: 10.1152 / jn.90909.2008
  397. 88. Yu C, J Gupta, Yin HH (2010) Le rôle du thalamus médiodorsal dans la différenciation temporelle des actions guidées par la récompense. Front Integr Neurosci 4: 14. doi: 10.3389 / fnint.2010.00014
  398. 89. Corbit LH, Muir JL et Balleine BW (2003). Les lésions du thalamus médiodorsal et des noyaux thalamiques antérieurs produisent des effets dissociables sur le conditionnement instrumental chez le rat. Eur J Neurosci 18: 1286 – 1294. Doi: 10.1046 / j.1460-9568.2003.02833.x
  399. 90. Saper CB (2002) Le système nerveux autonome central: perception viscérale consciente et génération de modèles autonomes. Annu Rev Neurosci 25: 433 – 469. doi: 10.1146 / annurev.neuro.25.032502.111311
  400. 91. Ray JP, Prince JL (1993) Organisation des projections du noyau médiodorsal du thalamus vers le cortex préfrontal orbital et médian chez les singes macaques. J Comp Neurol 337: 1 – 31. doi: 10.1002 / cne.903370102
  401. 92. Rolls ET (2004) Fonctions du cortex orbitofrontal. Brain Cogn 55: 11 – 29. Paramètres: 10.1016 / s0278-2626 (03) 00277-x
  402. 93. Dong G, Huang J, Du X (2012) Altérations de l'homogénéité régionale de l'activité cérébrale à l'état de repos chez les accros au jeu sur Internet. Behav Brain Funct 18: 8 – 41. Paramètres: 10.1186 / 1744-9081-8-41
  403. 94. Steriade M, Llinás RR (1998) États fonctionnels du thalamus et interaction neuronale associée. Physiol Rev 68: 649 – 742.
  404. 95. Stein T, C Moritz, M Quigley, D Cordes, Haughton V, et al. (2000) Connectivité fonctionnelle dans le thalamus et l’hippocampe étudiée avec imagerie fonctionnelle de mr. AJNR Am J Neuroradiol 21: 1397 – 1401.
  405. 96. Burgess N, Maguire EA, O'Keefe J (2002) L'hippocampe humain et la mémoire spatiale et épisodique. Neuron 35: 625–641. doi: 10.1016 / s0896-6273 (02) 00830-9
  406. 97. Warburton EC, Baird A, Morgan A, Muir JL, JP Aggleton (2001) L'importance conjointe des hippocumpas et des noyaux thalamiques antérieurs pour tout apprentissage spatial allocentrique: résultats d'une étude de déconnexion réalisée chez le rat. J Neurosci 21: 7323 – 7330.
  407. 98. Garavan H, Hester R, Murphy K, Fassbender C, Kelly C (2006) Différences individuelles dans la neuroanatomie fonctionnelle du contrôle inhibiteur. Brain Res 1105: 130 – 142. doi: 10.1016 / j.brainres.2006.03.029
  408. 99. Menon V, Adleman NE, CD blanc, Glover GH, Reiss AL (2001) Activation cérébrale liée à une erreur lors d'une tâche d'inhibition de la réponse Go / NoGo. Hum Brain Mapp 12: 131-143. doi: 10.1002 / 1097-0193 (200103) 12: 3 <131 :: aid-hbm1010> 3.0.co; 2-c
  409. 100. Whitfield-Gabrieli S, Ford JM (2012) Activité réseau par défaut et connectivité en psychopathologie. Ann Rev Rev Clin Psychol 8: 49 – 76. doi: 10.1146 / annurev-clinpsy-032511-143049
  410. 101. Ding X, Lee SW (2013) Régions du cerveau reproductibles liées à la dépendance à la cocaïne, associées à une connectivité fonctionnelle de réseau anormale en mode par défaut: étude de groupe ica avec différents ordres de modèles. Neurosci Lett 548: 110 – 114. doi: 10.1016 / j.neulet.2013.05.029
  411. 102. Ma N, Li Y, Fu XM, Li N, Wang CX et al. (2011) Connectivité fonctionnelle réseau anormale du cerveau en mode par défaut chez les toxicomanes. PLoS ONE 6: e16560. doi: 10.1371 / journal.pone.0016560
  412. 103. Tschernegg M, Crone JS, Eigenberger T, Schwartenbeck P, Fauth-Bühler M, et al. (2013) Anomalies des réseaux cérébraux fonctionnels dans le jeu pathologique: approche graph-théorique. Front Hum Neurosci 7: 625. doi: 10.3389 / fnhum.2013.00625
  413. 104. Kolb B, Whishaw IQ (1998) Plasticité cérébrale et comportement. Annu Rev Psychol 49: 43 – 64. doi: 10.1146 / annurev.psych.49.1.43
  414. 105. Shaw CA, McEachern J, rédacteurs (2001) Vers une théorie sur la neuroplasticité. Presse de psychologie.
  415. 106. Kolb B, Gibb R (2003) Plasticité et comportement du cerveau. Dir Psychol Sci 12: 1 – 5. doi: 10.1111 / 1467-8721.01210
  416. 107. Kolb B, Gibb R (2011) Plasticité cérébrale et comportement dans le cerveau en développement. J Can Acad Psychiatrie des enfants adolescents 20: 265 – 276.
  417. 108. Robinson TE, KC Berridge (1993) La base neurale de la soif de drogue: une théorie de la toxicomanie incitative-sensibilisation. Brain Res Rev 18: 247 – 291. Paramètres: 10.1016 / 0165-0173 (93) 90013-p
  418. 109. Alavi SS, Maracy MR (2011) L'effet des symptômes psychiatriques sur le trouble de dépendance à Internet chez les étudiants universitaires d'Ispahan. J Res Med Sci 16: 793–800.
  419. 110. Egger O, Rauterberg M (1996) Internet behavior and addiction. Rapport technique, Unité de psychologie du travail et de l'organisation (IFAP), Institut fédéral suisse de technologie (ETH), Zurich.
  420. 111. Petrie H, Gunn D (1998) «Dépendance» sur Internet: effets du sexe, de l'âge, de la dépression et de l'introversion. Dans: British Psychological Society London Conference. Londres, Grande-Bretagne: British Psychological Society. Document présenté à la conférence de la British Psychological Society à Londres.