Dépendance à Internet et aux jeux: revue systématique de la littérature en neuroimagerie (2012)

Brain Sci. 2012 2(3), 347-374; est ce que je:10.3390 / brainsci2030347
 
Daria J. Kuss* et Mark D. Griffiths
 
Unité de recherche sur le jeu international, Université Nottingham Trent, Nottingham NG1 4BU, Royaume-Uni
 
* Auteur à qui la correspondance doit être adressée.
 
Reçu: 28 June 2012; sous forme révisée: 24 August 2012 / Accepté: 28 August 2012 / Publié: 5 September 2012
 
(Cet article fait partie du numéro spécial Addiction et neuroadaptation)

Résumé:

Au cours des dix dernières années, des recherches se sont accumulées, suggérant qu'une utilisation excessive d'Internet pouvait conduire au développement d'une dépendance comportementale. La dépendance à Internet a été considérée comme une menace sérieuse pour la santé mentale et l'utilisation excessive d'Internet a été liée à diverses conséquences psychosociales négatives. Le but de cette revue est d'identifier toutes les études empiriques à ce jour qui utilisaient des techniques de neuroimagerie pour faire la lumière sur le problème de santé mentale émergent d'Internet et de la dépendance au jeu d'un point de vue neuroscientifique.

Les études de neuroimagerie offrent un avantage par rapport aux enquêtes classiques et à la recherche comportementale, car cette méthode permet de distinguer des zones cérébrales particulières impliquées dans le développement et le maintien de la dépendance. Une recherche systématique dans la littérature a été menée, identifiant les études 18. Ces études fournissent des preuves convaincantes des similitudes existant entre différents types de toxicomanies, notamment les dépendances liées à une substance et les dépendances à Internet et au jeu, à divers niveaux.

Au niveau moléculaire, la dépendance à Internet se caractérise par un déficit global en récompense entraînant une diminution de l'activité dopaminergique.

Au niveau des circuits neuronaux, la dépendance à Internet et aux jeux a entraîné une neuroadaptation et des changements structurels résultant d'une activité prolongée prolongée dans les zones du cerveau associées à la dépendance.

Sur le plan comportemental, les toxicomanes d’Internet et du jeu semblent être limités en ce qui concerne leur fonctionnement cognitif dans divers domaines.

Le document montre que la compréhension des corrélats neuronaux associés au développement d'Internet et de la dépendance au jeu favorisera les recherches futures et ouvrira la voie au développement d'approches de traitement de la dépendance.

Mots-clés: dépendance à Internet; dépendance au jeu; neuroimagerie; revue de littérature

 

1. Introduction

Au cours des dix dernières années, de nombreuses recherches ont suggéré que l’utilisation excessive d’Internet pouvait entraîner le développement d’une dépendance au comportement (par exemple, [1,2,3,4]). Des preuves cliniques suggèrent que les toxicomanes sur Internet éprouvent un certain nombre de symptômes et de conséquences biopsychosociaux [5]. Ceux-ci incluent les symptômes traditionnellement associés aux dépendances liées à la substance, à savoir la saillance, la modification de l'humeur, la tolérance, les symptômes de sevrage, les conflits et les rechutes [6]. La dépendance à Internet comprend un spectre hétérogène d'activités Internet ayant une valeur potentielle pour la maladie, telles que les jeux, les achats, les jeux d'argent ou les réseaux sociaux.. Les jeux font partie de la construction supposée de la dépendance à Internet, et la dépendance aux jeux semble être la forme spécifique de dépendance à Internet la plus largement étudiée à ce jour [7]. Les propositions détaillées des professionnels de la santé mentale et des chercheurs d'inclure la dépendance à Internet en tant que trouble mental dans la cinquième édition à venir du Manuel diagnostique et statistique des troubles mentaux (DSM-V) vont aboutir, l'American Psychiatric Association ayant accepté d'inclure le trouble de l'utilisation d'Internet comme un problème de santé mentale digne de recherches scientifiques approfondies [8].

L'utilisation excessive d'Internet a été liée à diverses conséquences psychosociales négatives. Ceux-ci comprennent des troubles mentaux tels que la somatisation, les troubles obsessionnels compulsifs et d’autres troubles anxieux, la dépression [9] et dissociation [10], ainsi que les traits de personnalité et la pathologie, tels que l'introversion et le psychoticisme [11]. Les estimations de prévalence vont de 2% [12] en 15% [13], en fonction du contexte socioculturel, de l’échantillon et des critères d’évaluation utilisés. La dépendance à Internet est considérée comme une menace sérieuse pour la santé mentale dans les pays asiatiques où la large bande est largement utilisée, notamment la Corée du Sud et la Chine [14].

 

 

1.1. La montée de la neuroimagerie

Conformément au dualisme cartésien, le philosophe français Descartes a défendu l'idée que l'esprit est une entité séparée du corps.15]. Cependant, les neurosciences cognitives lui ont prouvé le contraire et réconcilient l’entité physique du corps avec l’entité plutôt insaisissable de l’esprit [16]. Les techniques modernes de neuroimagerie relient les processus cognitifs (l'esprit pensant de Descartes) au comportement réel (le corps en mouvement de Descartes) en mesurant et en illustrant la structure et l'activité du cerveau. Une activité altérée dans les zones du cerveau associée à la récompense, à la motivation, à la mémoire et au contrôle cognitif a été associée à la dépendance [17].

La recherche a porté sur les corrélats neuronaux du développement de la toxicomanie via le conditionnement classique et opérant [[18,19]. Il a été constaté que lors des premières étapes de l'utilisation volontaire et contrôlée d'une substance, la décision d'utiliser le médicament est prise par des régions cérébrales spécifiques, à savoir le cortex préfrontal (PFC) et le striatum ventral (VS). Au fur et à mesure que l'habituation à l'usage et à la compulsion se développe, l'activité cérébrale change en ce sens que les régions dorsales du striatum (DS) sont de plus en plus activées via l'innervation dopaminergique (c.-à-d. La libération de dopamine) [20]. L’usage prolongé de médicaments entraîne des modifications des voies dopaminergiques cérébrales (en particulier le cingulaire antérieur (AC), le cortex orbitofrontal (OFC)) et le noyau accumbens (NAc), ce qui peut réduire la sensibilité aux avantages biologiques ainsi que la contrôle sur la recherche et éventuellement la prise de drogue.21,22]. Au niveau moléculaire, la dépression à long terme (LTD, c.-à-d. La réduction) de l'activité synaptique a été liée à l'adaptation du cerveau à la suite de dépendances liées à la substance [23]. Les toxicomanes sont sensibilisés à la drogue car, au cours d'une prise prolongée, la force synaptique augmente dans la région tegmentale ventrale, de même que le LTD du glutamate dans le noyau accumbens, ce qui entraîne un besoin impérieux [24].

Dans le même temps, le cerveau (c.-à-d. NAc, OFC, DLPFC) est de plus en plus sensible aux signaux de drogue (par exemple, disponibilité, contexte particulier) via l'état de manque [21,25]. La soif de consommation de drogue implique une interaction complexe entre diverses régions du cerveau. L’activité dans le noyau accumbens après la prise récurrente de médicament conduit à l’apprentissage des associations entre les signaux de drogue et les effets renforçants du médicament [26]. En outre, le cortex orbitofrontal, important pour la motivation à adopter des comportements, l’amygdale (AMG) et l’hippocampe (Hipp), régions principales du cerveau associées aux fonctions de la mémoire, jouent un rôle dans l’intoxication et le besoin impérieux de consommer une substance [17].

Les récompenses naturelles, telles que la nourriture, les éloges et / ou le succès perdent progressivement leur valeur hédonique. En raison de l'habituation à des comportements gratifiants et de la consommation de drogues, un symptôme caractéristique de dépendance se développe (c.-à-d. La tolérance). Des quantités croissantes de la substance ou un engagement accru dans les comportements respectifs sont nécessaires pour produire l'effet souhaité. En conséquence, le système de récompense devient déficient. Cela conduit à l'activation du système anti-recul qui diminue la capacité du toxicomane à expérimenter le renforcement biologique comme un plaisir. Au lieu de cela, il a besoin de renforçateurs plus forts, c’est-à-dire leur drogue ou le comportement de leur choix, en plus grande quantité (c’est-à-dire que la tolérance se développe) pour obtenir une récompense27]. En outre, l'absence de dopamine dans les voies mésocorticolimbiques pendant l'abstinence explique les symptômes de sevrage caractéristiques. Celles-ci seront contrées par une prise de drogue renouvelée [17]. La rechute et le développement d'un cycle comportemental vicieux en sont le résultat [28]. L'ingestion prolongée de médicaments et / ou la participation à un comportement gratifiant entraîne des modifications du cerveau, notamment des dysfonctionnements dans les régions préfrontales, telles que l'OFC et le gyrus cingulaire (CG) [17,29].

La recherche indique que les altérations de l'activité cérébrale généralement associées aux dépendances liées à une substance se produisent après un comportement compulsif, tel que le jeu pathologique [30]. Dans la même veine, on suppose que des mécanismes et des changements similaires sont impliqués dans la dépendance à Internet et aux jeux. Le but de cette revue est donc d’identifier jusqu’à présent toutes les études empiriques examinées par des pairs qui utilisaient des techniques de neuroimagerie pour faire la lumière sur le problème de santé mentale émergent d’Internet et de la dépendance au jeu d’un point de vue neuroscientifique. La neuroimagerie comprend généralement un certain nombre de techniques distinctes. Il s’agit de l’électroencéphalogramme (EEG), de la tomographie par émission de positrons (TEP), de la tomographie informatisée à émission de photons SPECT (SPECT), de l’imagerie par résonance magnétique fonctionnelle (IRMf) et de l’imagerie par résonance magnétique structurelle (sMRI), telle que la morphométrie à base de Voxel (VBM). et imagerie tenseur de diffusion (DTI). Celles-ci sont brièvement expliquées à leur tour avant d’examiner les études ayant utilisé ces techniques pour les études sur Internet et la dépendance au jeu.

 

 

1.2. Types de neuroimagerie utilisés pour étudier l'activité cérébrale addictive

Électroencéphalogramme (EEG): Avec un EEG, l'activité neuronale dans le cortex cérébral peut être mesurée. Un certain nombre d'électrodes sont fixées à des zones spécifiques (c.-à-d. Antérieure, postérieure, gauche et droite) de la tête du participant. Ces électrodes mesurent les fluctuations de tension (c'est-à-dire le flux de courant) entre des paires d'électrodes produites par l'excitation de synapses neuronales [31]. Avec les potentiels liés à un événement (ERP), les relations entre le cerveau et le comportement peuvent être mesurées via une réponse neuronale électrophysiologique à un stimulus [32].

Tomographie par émission de positrons (TEP): La TEP est une méthode de neuroimagerie permettant d’étudier le fonctionnement du cerveau au niveau moléculaire. Dans les études PET, l'activité métabolique dans le cerveau est mesurée via des photons provenant d'émissions de positrons (c.-à-d. Des électrons chargés positivement). Le sujet est injecté avec une solution radioactive de 2-désoxyglucose (2-DG) qui est absorbée par les neurones actifs du cerveau. Les quantités de 2-DG dans les neurones et les émissions de positrons sont utilisées pour quantifier l'activité métabolique dans le cerveau. Ainsi, l'activité neuronale peut être cartographiée lors de l'exécution d'une tâche particulière. jeLes neurotransmetteurs individuels peuvent être distingués par la TEP, ce qui la rend avantageuse par rapport aux techniques IRM. Il peut mesurer la répartition des activités en détail. Les limites à la TEP incluent une résolution spatiale relativement faible, le temps nécessaire pour obtenir un balayage et un risque de radiation potentiel [33].

Tomographie par émission de photons uniques (SPECT): SPECT est un sous-formulaire de PET. Semblable au PET, une substance radioactive (un «traceur») est injectée dans le sang qui se rend rapidement au cerveau. Plus l'activité métabolique est forte dans certaines régions du cerveau, plus l'enrichissement des rayons gamma est fort. Le rayonnement émis est mesuré en fonction des couches du cerveau et l’activité métabolique est visualisée à l’aide de techniques informatisées. Contrairement au PET, le SPECT permet de compter les photons individuels, mais sa résolution est plus faible car avec le SPECT, la résolution dépend de la proximité de la gamma-caméra qui mesure la radioactivité neuronale. [34].

Imagerie par résonance magnétique fonctionnelle (IRMf): Avec l'IRMf, on mesure les modifications du taux d'oxygène sanguin dans le cerveau qui indiquent une activité neuronale. Plus précisément, on évalue le rapport entre l'oxyhémoglobine (hémoglobine contenant de l'oxygène dans le sang) et la désoxyhémoglobine (hémoglobine libérant de l'oxygène) dans le cerveau, car le débit sanguin dans les zones cérébrales «actives» augmente, entraînant le transport en molécules d’hémoglobine plus oxygénées. L'évaluation de cette activité métabolique dans le cerveau permet une imagerie plus fine et plus détaillée du cerveau par rapport à l'IRM structurelle. En plus de cela, les avantages de l'IRMf comprennent la rapidité de l'imagerie cérébrale, la résolution spatiale et l'absence de risque potentiel pour la santé par rapport à la TEP. [35].

Imagerie par résonance magnétique structurelle (IRMd): IRMf utilise une variété de techniques pour imager la morphologie du cerveau [36].

  • Une telle technique est la morphométrie à base de Voxel (VBM). Le VBM est utilisé pour comparer le volume des zones du cerveau et la densité de la substance grise et blanche [37].
  • L’imagerie par diffusion-tenseur (DTI) est une autre technique d’IRMf. Le DTI est une méthode utilisée pour visualiser la matière blanche. Il évalue la diffusion des molécules d'eau dans le cerveau, ce qui aide à identifier les structures cérébrales interconnectées en utilisant l'anisotropie fractionnelle (FA). Cette mesure est un indicateur de la densité de fibres, du diamètre axonal et de la myélinisation dans la substance blanche. [38].

 

 

2. méthode

Une recherche documentaire exhaustive a été réalisée à l'aide de la base de données Web of Knowledge. Les termes de recherche suivants (et leurs dérivés) ont été entrés en ce qui concerne l'utilisation d'Internet: «dépendance», «excès», «problème» et «contrainte». De plus, des études supplémentaires ont été identifiées à partir de sources supplémentaires, telles que Google Scholar, qui ont été ajoutées afin de générer une revue de la littérature plus inclusive. Les études ont été sélectionnées conformément aux critères d'inclusion suivants. Les études devaient (i) évaluer la dépendance ou les effets directs du jeu sur Internet ou sur le jeu neurologique sur le fonctionnement neurologique, (ii) utiliser des techniques de neuroimagerie, (iii) être publiées dans une revue à comité de lecture, et (iv) être disponibles en version intégrale dans: Langue Anglaise. Aucune période n'a été spécifiée pour la recherche documentaire car les techniques de neuroimagerie étant relativement nouvelles, les études devaient être récentes (c'est-à-dire que presque toutes ont été publiées entre 2000 et 2012).

3. Résultats

Au total, 18 a été identifié comme répondant aux critères d'inclusion. Parmi ceux-ci, la méthode d’acquisition des données était l’IRMf dans huit études [39,40,41,42,43,44,45,46] et IRMf dans deux études [47,48], deux études ont utilisé la TEP [49,50], dont un combiné à une IRM [49], on utilisait SPECT [51] et six études ont utilisé l’EEG [52,53,54,55,56,57]. Il convient également de noter que deux de ces études étaient en fait de la même étude et l’une d’elles a été publiée sous forme de lettre [53] et un publié en version intégrale [54]. Une étude [57] répondait à tous les critères mais a été exclu car les détails du diagnostic de dépendance à Internet étaient insuffisants pour permettre de tirer des conclusions valables. De plus, deux études n’évaluaient pas directement la dépendance à Internet et au jeu [43,50], mais ont évalué les effets directs du jeu sur l'activité neurologique en utilisant un paradigme expérimental, et ont donc été retenus dans la revue. Des informations détaillées sur les études incluses sont présentées dans Tableau 1.

3.1. Études IRMf

Hoeft et al. [43] ont étudié les différences entre les sexes dans le système mésocorticolimbique au cours d’un jeu vidéo parmi des étudiants sains de 22 (tranche d’âge = années 19 – 23; femmes 11). Tous les participants ont subi une IRMf (scanner 3.0-T Signa (General Electric, Milwaukee, WI, États-Unis)), ainsi que la liste de contrôle des symptômes 90-R [58], et le NEO-Personality Inventory-R [59]. L’IRMR a été réalisée lors de blocs 40 d’un jeu de base-ball 24, l’objectif étant de gagner de la place ou une condition de contrôle similaire ne comprenant pas d’objectif de jeu spécifique (du fait de sa structure). Les résultats ont indiqué qu'il y avait une activation des circuits neuronaux impliqués dans la récompense et la dépendance dans les conditions expérimentales (c.-à-d. Insula, NAc, DLPFC et OFC). Par conséquent, la présence d'un objectif de jeu réel (caractéristique de la plupart des jeux en ligne conventionnels basés sur des règles plutôt que de simples jeux de rôle) modifie l'activité cérébrale via le comportement. Ici, une relation claire de cause à effet est évidente, ce qui renforce les résultats.

Les résultats ont également montré que les participants de sexe masculin avaient une activation plus importante (ARNc, blOFC, rAMG) et une connectivité fonctionnelle (lNAc, rAMG) dans le système de récompense mésocorticolimbique par rapport aux femmes. Les résultats ont en outre indiqué que jouer au jeu activait la bonne insula (RI; signal de l'excitation autonome), la PFC dorso-latérale droite (maximiser la récompense ou modifier le comportement), les cortex bilatéraux prémoteurs (blPMC; préparation à la récompense) et le précuneus, la LNAc, et la rOFC (zones impliquées dans le traitement visuel, l'attention visuo-spatiale, la fonction motrice et la transformation sensori-motrice) par rapport à l'état de repos [43]. L'insula a été impliquée dans une soif consciente de substances addictives en impliquant des processus décisionnels impliquant des risques et des récompenses. Un dysfonctionnement de l'insula peut expliquer des activités neurologiques indiquant une rechute [60]. En raison de sa nature expérimentale, cette étude a permis de mieux comprendre l’activation cérébrale idiosyncratique résultant du jeu dans une population en bonne santé (c’est-à-dire non toxicomane).

lampe de tableTableau 1. Études incluses.   

Cliquez ici pour afficher le tableau

 

Ko et al. [44] a tenté d’identifier les substrats neuronaux de la dépendance au jeu en ligne en évaluant les zones cérébrales impliquées dans le besoin de jouer à des jeux en ligne parmi dix toxicomanes masculins (jouant à World of Warcraft pendant plus de 30 ha semaine) par rapport à dix témoins masculins (dont l’utilisation en ligne) était inférieure à deux heures par jour). Tous les participants ont rempli les Critères de diagnostic de la dépendance à Internet pour les étudiants des collèges (DCIA-C; [74]), la mini-entrevue neuropsychiatrique internationale [75], le Chen Internet Addiction Scale (CIAS) [71], le test d’identification des troubles liés à la consommation d’alcool (AUDIT) [76] et le test de Fagerstrom pour la dépendance à la nicotine (FTND) [77]. Les auteurs ont présenté des images de mosaïque liées au jeu et appariées lors de l’examen IRMf (3T MRscanner), et les contrastes des signaux BOLD dans les deux conditions ont été analysés à l’aide d’un paradigme de réactivité de repère [1].25]. Les résultats ont indiqué un état de besoin impérieux qui est fréquent chez les toxicomanes. Il y avait une activation cérébrale dissemblable parmi les toxicomanes du jeu suivant la présentation d’indices pertinents du jeu par rapport aux témoins et comparés à la présentation d’images en mosaïque, y compris rOFC, ARNc, blAC, mFC, rDLPFC et le noyau caudé droit (rCN). Cette activation était en corrélation avec l’envie de jouer et le rappel de l’expérience de jeu. Il a été avancé qu'il existait une base biologique similaire de différentes dépendances, y compris la dépendance au jeu en ligne. La nature quasi expérimentale de cette étude, qui provoquait artificiellement un état de manque dans un environnement expérimental et contrôlé, a permis aux auteurs de tirer des conclusions fondées sur les différences entre les groupes et de relier ainsi l’état de dépendance au jeu en ligne à l’activation des zones du cerveau associées aux symptômes plus traditionnels ( c'est-à-dire toxicomanies).

Han et al. [42] ont évalué les différences d'activité cérébrale avant et pendant le jeu vidéo chez des étudiants universitaires jouant sur une période de sept semaines. Tous les participants ont rempli l'inventaire de dépression de Beck [78], l'échelle de dépendance à Internet [67] et une échelle visuelle analogique (VAS) 7-point pour évaluer le besoin impérieux de jouer à des jeux vidéo sur Internet. L'échantillon comprenait des étudiants universitaires 21 (homme 14; âge moyen = années 24.1, SD = 2.6; utilisation de l'ordinateur = 3.6, SD = 1.6 par jour; score IAS moyen = 38.6, SD = 8.3). Celles-ci ont ensuite été divisées en deux groupes: le groupe de jeu excessif sur Internet (qui a joué à des jeux vidéo sur Internet pendant plus de 60 min par jour pendant une période de 42 jours; n = 6) et le groupe de joueurs général (qui a joué moins de 60 min jour sur la même période; n = 15). Les auteurs ont utilisé l'IRMf dépendante du taux d'oxygène dans le sang 3T (à l'aide du scanner Philips Achieva 3.0 Tesla TX) et ont indiqué que l'activité cérébrale dans le cingulaire antérieur et le cortex orbitofrontal augmentait chez le groupe de joueurs excessif sur Internet après exposition à des indices de jeu vidéo par rapport aux joueurs classiques. Ils ont également signalé que le besoin accru de jeux vidéo sur Internet était en corrélation avec une activité accrue du cingulaire antérieur chez tous les participants. Cette étude quasi expérimentale est intéressante car elle offre non seulement la preuve d’une activité cérébrale différente chez les toxicomanes du jeu en ligne par rapport à un groupe de contrôle de joueur général, mais elle a également permis d’élucider l’activation cérébrale résultant des deux groupes. Cela indique que (i) le besoin impérieux de jeux en ligne modifie l'activité cérébrale indépendamment du statut de dépendance et peut donc être considéré comme un symptôme (prodromique) de la dépendance, et que (ii) les joueurs dépendants peuvent être distingués des joueurs non dépendants par un autre forme d'activation du cerveau.

Liu et al. [45] a appliqué la méthode d'homogénéité régionale (ReHo) pour analyser les caractéristiques fonctionnelles encéphaliques des toxicomanes Internet en état de repos. L'échantillon comprenait des étudiants 19 avec une dépendance à Internet et des contrôles 19. La dépendance à Internet a été évaluée selon les critères de Beard et Wolf [72]. L’IRMF a été réalisée à l’aide du scanner 3.0T Siemens Tesla Trio Tim. L'homogénéité régionale indique l'homogénéité temporelle des taux d'oxygène dans les régions cérébrales d'intérêt. Il a été signalé que les toxicomanes sur Internet souffraient de modifications cérébrales fonctionnelles conduisant à des anomalies dans l'homogénéité régionale par rapport au groupe témoin, en particulier en ce qui concerne les voies de récompense traditionnellement associées aux toxicomanies. Parmi les toxicomanes Internet, les régions cérébrales du ReHo au repos ont été augmentées (cervelet, tronc cérébral, GCr, parahippocampe bilatéral (blPHipp), lobe frontal droit, gyrus frontal supérieur gauche (lSFG), gyrus temporal inférieur droit (rITG), gyrus temporal supérieur gauche (lSTG) et le gyrus temporal moyen (mTG)), par rapport au groupe témoin. Les régions temporales sont impliquées dans le traitement auditif, la compréhension et la mémoire verbale, tandis que les régions occipitales s’occupent du traitement visuel. Le cervelet régule l'activité cognitive. Le gyrus cingulaire concerne l'intégration d'informations sensorielles et la surveillance des conflits. Les hippocampes sont impliqués dans le système mésocorticolimbique du cerveau associé aux voies de récompense. Pris ensemble, ces résultats fournissent des preuves d'un changement dans une variété de régions du cerveau à la suite de la dépendance à Internet. Comme cette étude a évalué l'homogénéité régionale dans un état de repos, il est difficile de savoir si les modifications du cerveau observées chez les toxicomanes sur Internet sont une cause ou une conséquence de la dépendance. Par conséquent, aucune inférence causale ne peut être tirée.

Yuan et al. [46] ont étudié les effets de la dépendance à Internet sur l'intégrité microstructurale des principales voies de transmission des fibres neuronales et les changements microstructuraux associés à la durée de la dépendance à Internet. Leur échantillon comprenait des étudiants 18 ayant une dépendance à Internet (hommes 12; âge moyen = 19.4, SD = années 3.1; jeu moyen en ligne = 10.2 h par jour, SD = 2.6; durée de la dépendance à Internet = 34.8 mois, SD = 8.5) et 18 participants témoins non dépendants d’Internet (âge moyen = années 19.5, SD = 2.8). Tous les participants ont rempli le questionnaire de diagnostic modifié pour la dépendance à Internet [72], une échelle d'auto-évaluation de l'anxiété (pas de détails fournis) et une échelle de dépression d'auto-évaluation (pas de détails fournis). Les auteurs ont utilisé l'IRMf et la technique de morphométrie optimisée à base de voxel (VBM). Ils ont analysé les modifications de l'anisotropie fractionnelle de la substance blanche (FA) en utilisant l'imagerie du tenseur de diffusion (DTI) pour discerner les changements structurels du cerveau résultant de la longueur de dépendance de l'Internet. Les résultats ont montré que la dépendance à Internet entraînait des modifications de la structure cérébrale et que les modifications cérébrales trouvées semblaient similaires à celles des toxicomanes.

En contrôlant l’âge, le sexe et le volume du cerveau, il a été constaté que le volume de matière grise était diminué dans le cortex préfrontal dorsolatéral bilatéral (DLPFC), la région motrice supplémentaire (SMA), le cortex orbitofrontal (OFC), le cervelet et le gauche. ACC rostral (ACCR), augmentation de l'AF du membre postérieur gauche de la capsule interne (PLIC) et réduction de l'AF en substance blanche dans le gyrus parahippocampal droit (PHG). Il existait également une corrélation entre les volumes de matière grise dans DLPFC, rACC, SMA et les modifications en matière de matière blanche FA de PLIC avec la durée de dépendance de la personne à Internet. Cela indique que plus une personne est dépendante d'Internet depuis longtemps, plus l'atrophie cérébrale devient grave. À la lumière de la méthode, la description des auteurs ne permet pas de savoir dans quelle mesure leur échantillon comprenait ceux qui étaient dépendants d’Internet ou de jeux en ligne. L'inclusion d'une question spécifique sur la fréquence et la durée des jeux en ligne (plutôt que sur toute autre activité Internet potentielle) suggère que le groupe en question était constitué de joueurs. En outre, les résultats présentés ne peuvent exclure aucun autre facteur pouvant être associé à une dépendance à Internet (par exemple, une symptomatologie dépressive) qui aurait pu contribuer à l'augmentation de la gravité de l'atrophie cérébrale.

Dong et al. [39] ont examiné le traitement des récompenses et des punitions chez les toxicomanes par rapport à des témoins sains. Les hommes adultes (n = 14) ayant une dépendance à Internet (âge moyen = 23.4, SD = 3.3) ont été comparés à des hommes adultes sains 13 (âge moyen = 24.1, SD = 3.2). Les participants ont passé un entretien psychiatrique structuré [79], l'inventaire de dépression de Beck [78], le test chinois de dépendance à Internet [62,63] et le test de dépendance à Internet (IAT; [61]). L'IAT mesure la dépendance psychologique, l'utilisation compulsive, le sevrage, les problèmes liés à l'école, au travail, au sommeil, à la famille et à la gestion du temps. Les participants devaient marquer plus de 80 (sur 100) à l’IAT pour être considérés comme ayant une dépendance à Internet. En outre, toutes les personnes classées comme toxicomanes sur Internet passaient plus de six heures en ligne chaque jour (sans utiliser Internet à des fins professionnelles) et le faisaient depuis plus de trois mois.

Tous les participants se sont lancés dans une tâche de devinettes simulée par la réalité pour des gains ou des pertes en utilisant des cartes à jouer. Les participants ont subi une IRMf avec des stimuli présentés par un moniteur dans l'enroulement de la tête, et leur activation de la dépendance au niveau d'oxygène dans le sang (BOLD) a été mesurée par rapport aux gains et aux pertes de la tâche. Les résultats ont montré que la dépendance à Internet était associée à une activation accrue dans l'OFC dans les essais de gain et à une diminution de l'activation du cingulum antérieur dans les essais de perte par rapport aux témoins normaux. Les accros à Internet ont montré une sensibilité accrue aux récompenses et une sensibilité réduite aux pertes par rapport au groupe témoin [39]. La nature quasi expérimentale de cette étude a permis une comparaison réelle des deux groupes en les exposant à une situation de jeu et en induisant artificiellement une réaction neuronale qui était une conséquence de l'engagement dans la tâche. Par conséquent, cette étude a permis de dégager une relation de cause à effet entre l'exposition à des signaux de jeu et l'activation cérébrale résultante. Cela peut être considéré comme une preuve empirique de la sensibilité à la récompense chez les utilisateurs d’Internet par rapport aux contrôles sains.

Han et al. [40] ont comparé les volumes régionaux de matière grise chez des patients ayant une dépendance au jeu en ligne et des joueurs professionnels. Les auteurs ont réalisé une IRMf avec un scanner 1.5 Tesla Espree (Siemens, Erlangen) et une comparaison voxel du volume de matière grise. Tous les participants ont participé à l’entretien clinique structuré pour le DSM-IV [80], l'inventaire de dépression de Beck [78], la version coréenne du barème d’impulsivité de Barratt (BIS-K9) [81,82] et l’Internet Addiction Scale (IAS) [67]. Ceux (i) marquant plus de 50 (sur 100) sur IAS, (ii) jouant plus de quatre heures par jour / 30 h par semaine et (iii) ayant un comportement altéré ou une détresse résultant du jeu en ligne ont été classés comme accros au jeu sur Internet. L'échantillon comprenait trois groupes. Le premier groupe comprenait 20 ayant une dépendance au jeu en ligne (âge moyen = 20.9, SD = 2.0; durée moyenne de la maladie = années 4.9, SD = 0.9; durée moyenne de jeu = 9.0, SD = 3.7 h / jour; utilisation moyenne sur Internet = 13.1, SD = 2.9 h / jour; scores IAS moyens = 81.2, SD = 9.8). Le deuxième groupe était composé de joueurs professionnels 17 (âge moyen = années 20.8, SD = 1.5; durée moyenne de lecture = 9.4, SD = 1.6 h / jour; utilisation moyenne d'Internet = 11.6, SD = 2.1 h / jour; score IAS moyen = 40.8, SD = 15.4). Le troisième groupe comprenait des témoins sains 18 (âge moyen = 12.1, SD = années 1.1; jeu moyen = 1.0, SD = 0.7 h / jour; utilisation moyenne d'Internet = 2.8, SD = 1.1 h. / Jour; score IAS moyen = 41.6, SD = 10.6).

Les résultats ont montré que les toxicomanes au jeu avaient une impulsivité plus élevée, des erreurs de persévérance, un volume accru de matière grise de thalamus gauche et un volume de matière grise diminué de ITG, de gyrus occipital moyen-moyen (rmOG) et de gyrus occipital inférieur gauche (lIOG) par rapport au groupe témoin. . Les joueurs professionnels ont augmenté le volume de matière grise dans le gabarit et la diminution de la matière grise dans le gGm et le rITG par rapport au groupe témoin, l’augmentation de la matière grise dans le gabarit et la diminution de la matière grise du thalamus gauche par rapport aux joueurs en ligne à problèmes. Les différences principales entre les toxicomanes et les joueurs professionnels résident dans les volumes accrus de matière grise dans les gammes dans le GCl (important pour la fonction exécutive, la visibilité et l’attention visuospatiale) et dans le thalamus gauche des toxicomanes dans le jeu (important pour le renforcement et l’alerte) [40]. Sur la base du caractère non expérimental de l’étude, il est difficile d’attribuer les différences évidentes dans la structure du cerveau de groupes à l’état de dépendance actuel. Les variables de confusion possibles ne peuvent pas être exclues, ce qui pourrait avoir contribué aux différences trouvées.

Han et al. [41] ont testé les effets du traitement au bupropion à libération prolongée sur l'activité cérébrale chez les toxicomanes du jeu sur Internet et les témoins en bonne santé. Tous les participants ont participé à l’entretien clinique structuré pour le DSM-IV [80], l'inventaire de dépression de Beck [78], l'échelle de dépendance à Internet [61], et le jeu Craving for Internet sur des jeux vidéo a été évalué avec une échelle analogique visuelle 7. Les participants qui ont participé à des jeux sur Internet plus de quatre heures par jour, dont le score IAS était supérieur à 50 (sur 100) et qui avaient un comportement altéré et / ou qui étaient en détresse ont été classés dans la catégorie des toxicomanes du jeu sur Internet. L’échantillon comprenait des accros au jeu Internet 11 (âge moyen = 21.5, SD = années 5.6; score moyen du besoin = 5.5, SD = 1.0; durée moyenne de jeu = 6.5, SD = 2.5 h / jour; score IAS moyen = 71.2, SD = 9.4 ) et contrôles sains de 8 (âge moyen = 11.8, SD = années 2.1; score moyen du besoin = 3.9, SD = 1.1; utilisation moyenne d'Internet = 1.9, SD = 0.6 h / jour; score IAS moyen = 27.1, SD = 5.3) . Lors de l’exposition à des signaux de jeu, les toxicomanes du jeu sur Internet présentaient une plus grande activation du cerveau dans le lobe occipital gauche, le cortex préfrontal dorsolatéral gauche et le gyrus parahippocampique gauche par rapport au groupe témoin. Les participants ayant une dépendance au jeu sur Internet ont suivi un traitement par le bupropion à libération prolongée pendant six semaines (mg / jour de 150 pour la première semaine et mg / jour de 300 par la suite). L'activité cérébrale a été mesurée au début et après le traitement à l'aide d'un scanner IRNm 1.5 Tesla Espree. Les auteurs ont rapporté que le traitement au bupropion à libération prolongée fonctionne pour les toxicomanes du jeu sur Internet de la même manière que pour les patients souffrant de toxicomanie. Après le traitement, le besoin impérieux, le temps de jeu et l’activité cérébrale induite par le signal ont diminué chez les accros au jeu sur Internet. La nature longitudinale de cette étude permet de déterminer les causes et les effets, ce qui souligne la validité et la fiabilité des résultats présentés.

 

 

3.2. Études IRMf

Lin et al. [48] ont étudié l'intégrité de la substance blanche chez des adolescents ayant une dépendance à Internet. Tous les participants ont rempli une version modifiée du test de dépendance à Internet [72], l’inventaire de la main d’Édimbourg [83], Mini-entrevue neuropsychiatrique internationale pour enfants et adolescents (MINI-KID) [84], l’échelle d’élimination de la gestion du temps [85], l’échelle d’impulsivité de Barratt [86], le dépistage des troubles émotionnels liés à l'anxiété chez l'enfant (SCARED) [87] et le dispositif d’évaluation de la famille (FAD) [88]. L'échantillon comprenait des toxicomanes Internet 17 (hommes 14; tranche d'âge = années 14 – 24; score moyen IAS = 37.0, SD = 10.6) et des témoins sains 16 (hommes 14; classe d'âge = 16 – 24; score moyen IAS = 64.7 , SD = 12.6). Les auteurs ont procédé à une analyse cérébrale globale de l'anisotropie fractionnelle (AF) au moyen de statistiques spatiales basées sur les voies (TBSS). L'analyse du volume d'intérêt a été réalisée à l'aide de l'imagerie du tenseur de diffusion (DTI) via un scanner médical 3.0-Tesla Phillips Achieva. .

Les résultats ont montré que l'OFC était associé à des phénomènes liés au traitement des émotions et à la toxicomanie (par exemple, envie, comportements compulsifs, processus décisionnel mésadapté). L’intégrité anormale de la substance blanche dans le cortex cingulaire antérieur était liée à différentes dépendances et indiquait une altération du contrôle cognitif. Les auteurs ont également signalé une altération de la connectivité des fibres dans le corps calleux, que l’on trouve couramment chez les toxicomanes. Les toxicomanes Internet présentaient une FA plus faible dans tout le cerveau (corps calleux orbito-frontal de la substance blanche, cingulum, fascicule fronto-occipital inférieur, rayonnement corona, capsules interne et externe) par rapport aux témoins et il existait des corrélations négatives entre la FA dans le génome gauche du corpus. callosum et des troubles émotionnels, et FA dans la capsule externe gauche et la dépendance à Internet. Dans l'ensemble, les toxicomanes d'Internet présentaient une intégrité anormale de la substance blanche dans les régions du cerveau liées au traitement des émotions, à l'attention des dirigeants, à la prise de décision et au contrôle cognitif par rapport au groupe témoin. Les auteurs ont mis en évidence les similitudes dans les structures cérébrales entre les toxicomanes Internet et les toxicomanes [48]. Compte tenu de la nature non expérimentale et transversale de l'étude, d'autres explications des altérations du cerveau autres que la toxicomanie ne peuvent être exclues.

Zhou et al. [47] ont étudié les modifications de la densité de la matière grise dans le cerveau chez les adolescents ayant une dépendance à Internet en utilisant une analyse de morphométrie à base de voxel (VBM) sur des images de résonance magnétique structurelle à haute résolution pondérées par T1. Leur échantillon comprenait des adolescents 18 ayant une dépendance à Internet (hommes 16; âge moyen = années 17.2, SD = 2.6) et des participants témoins sains de 15 sans antécédents de maladie psychiatrique (hommes 13; âge moyen = années 17.8, SD = 2.6). Tous les participants ont passé le test de dépendance à Internet modifié [72]. Les auteurs ont utilisé des IRM pondérées T1 à haute résolution effectuées sur un scanner MR 3T (3T Achieva Philips), des séquences d’impulsions MPRAGE numérisées pour les contrastes de matière grise et blanche, et une analyse VBM a été utilisée pour comparer la GMD entre groupes. Les résultats ont montré que les personnes dépendantes de l’Internet avaient une GMD plus faible dans le cACl (nécessaire au contrôle moteur, la cognition, la motivation), au CCPc (auto-référence), à ​​l’insula gauche (spécifiquement liée au désir et à la motivation) et au gyrus lingual gauche (c.-à-d. sont liés à la régulation du comportement émotionnel et donc aux problèmes émotionnels des utilisateurs d’Internet). Les auteurs déclarent que leur étude fournissait une preuve neurobiologique des modifications structurelles du cerveau chez les adolescents ayant une dépendance à Internet et que leurs résultats avaient des implications pour le développement de la psychopathologie de la dépendance. Malgré les différences constatées entre les groupes, les résultats ne peuvent pas être exclusivement attribués au statut de dépendance d'un des groupes. Des variables confusionnelles possibles peuvent avoir eu une influence sur les modifications du cerveau. De plus, la directionnalité de la relation ne peut pas être expliquée avec certitude dans ce cas.

 

 

3.3. Etudes EEG

Dong et al. [53] ont étudié l'inhibition de la réponse chez les toxicomanes sur Internet neurologiquement. Les enregistrements des potentiels cérébraux (ERP) liés à un événement via EEG ont été examinés chez des toxicomanes Internet de sexe masculin 12 (âge moyen = années 20.5, SD = 4.1) et comparés à des étudiants universitaires de contrôle sains de 12 (âge moyen = 20.2, SD = 4.5) alors que subissant une tâche go / NoGo. Les participants ont passé des tests psychologiques (c.-à-d. L'échelle d'évaluation des facteurs personnels 90 et 16 [[89]) et le test de dépendance à Internet [65]. Les résultats ont montré que les utilisateurs d’Internet avaient des amplitudes NoGo-N2 plus faibles (représentant l’inhibition de la réponse - surveillance des conflits), des amplitudes NoGo-P3 plus élevées (processus inhibiteurs - évaluation de la réponse) et une latence plus longue du pic NoGo-P3 par rapport aux contrôles. Les auteurs ont conclu que, par rapport au groupe témoin, les utilisateurs d'Internet (i) avaient une activation plus faible au stade de la détection des conflits, (ii) utilisaient davantage de ressources cognitives pour achever la phase ultérieure de la tâche d'inhibition, (iii) étaient moins efficaces en traitement de l'information, et (iv) avaient un contrôle des impulsions plus faible.

Dong et al. [52] a comparé les toxicomanes à Internet et les contrôles sains des potentiels liés à un événement (ERP) via EEG alors qu'ils effectuaient une tâche Stroop de couleur. Les participants de sexe masculin (n = 17; âge moyen = années 21.1, SD = 3.1) et étudiants universitaires sains de 17 en bonne santé (âge moyen = années 20.8, SD = 3.5) ont passé des tests psychologiques (c.-à-d. Symptôme Personal Listers-90 et 16). échelle [89]) et le test de dépendance à Internet [64]. Cette version de l'IAT comprenait huit éléments (préoccupations, tolérance, abstinence infructueuse, retrait, perte de contrôle, intérêts, déception, motivation d'évasion) et ces éléments ont été notés de manière dichotomique. Les participants qui ont approuvé quatre articles ou plus ont été classés comme toxicomanes à Internet. Les résultats ont montré que les toxicomanes sur Internet avaient un temps de réaction plus long et plus d'erreurs de réponse dans des conditions incongrues par rapport aux témoins. Les auteurs ont également signalé une réduction de la déviation de la négativité frontale médiale dans des conditions incongrus par rapport aux témoins. Leurs résultats suggèrent que les toxicomanes sur Internet ont une capacité de contrôle exécutif altérée par rapport aux contrôles.

Ge et al. [55] ont étudié l'association entre le composant P300 et le trouble de la dépendance à Internet chez les participants à 86. Parmi ceux-ci, 38 étaient des patients toxicomanes sur Internet (hommes 21; âge moyen = 32.5, SD = années 3.2) et 48 étaient des témoins sains étudiant (hommes 25; âge moyen = 31.3, SD = années 10.5). Dans une étude EEG, P300 ERP a été mesuré à l'aide d'une tâche auditive inhabituelle auditive à l'aide de l'instrument américain Nicolet BRAVO. Tous les participants ont participé à l’entretien diagnostique clinique structuré pour troubles mentaux [80], et le test de dépendance à Internet [64]. Ceux qui ont approuvé cinq ou plus (sur les huit articles) ont été classés comme toxicomanes à Internet. L’étude a révélé que les toxicomanes sur Internet avaient des latences P300 plus longues que celles du groupe témoin et qu’ils avaient des profils similaires à ceux d’autres toxicomanes (alcool, opioïdes, cocaïne) dans des études similaires. Cependant, les résultats n'indiquent pas que les utilisateurs d'Internet souffrent d'un déficit de vitesse de perception et de traitement des stimuli auditifs. Cela semble indiquer que, plutôt que de nuire à la vitesse de perception et au traitement des stimuli auditifs, la dépendance à Internet peut n'avoir aucun effet sur ces fonctions cérébrales spécifiques. Les auteurs ont également indiqué que la thérapie cognitivo-comportementale pouvait améliorer les dysfonctionnements cognitifs associés à la dépendance à Internet et que ceux qui participaient à une thérapie cognitivo-comportementale pendant trois mois avaient diminué leurs latences P300. Le résultat longitudinal final est particulièrement intéressant car il a évalué l'évolution dans le temps qui peut être attribuée aux effets bénéfiques du traitement.

Little et al. [56] ont étudié le traitement des erreurs et l'inhibition de la réponse chez les joueurs excessifs. Tous les participants ont passé le test de dépendance au jeu vidéo (TVA) [73], version néerlandaise du questionnaire d’Eysenck sur l’impulsivité [90,91], et l’indice de quantité-fréquence-variabilité de la consommation d’alcool [92]. L'échantillon comprenait des étudiants 52 regroupés en deux groupes de joueurs excessifs 25 (hommes 23; score supérieur à 2.5 sur la TVA; âge moyen = 20.5, SD = années 3.0; score moyen à la TVA = 3.1, SD = 0.4; jeu moyen = 4.7 par jour , SD = 2.3) et contrôles 27 (10 mâles; âge moyen = 21.4, SD = 2.6; score de TVA moyen = 1.1, SD = 0.2; jeu moyen = 0.5 par jour, SD = 1.2). Les auteurs ont utilisé un paradigme Go / NoGo utilisant des enregistrements EEG et ERP. Leurs résultats ont indiqué des similitudes avec la dépendance à la substance et les troubles du contrôle des impulsions en relation avec une inhibition faible et une impulsivité élevée chez les joueurs excessifs par rapport au groupe témoin. Ils ont également signalé que les joueurs excessifs avaient réduit les amplitudes ERN fronto-centrales après des essais incorrects par rapport à des essais corrects et que cela entraînait un traitement médiocre des erreurs. Les joueurs excessifs ont également moins inhibé les mesures auto-déclarées et comportementales. La force de cette étude réside dans sa nature quasi expérimentale ainsi que dans la vérification des autodéclarations avec des données comportementales. Par conséquent, la validité et la fiabilité des résultats sont augmentées.

 

 

3.4. Études SPECT

Hou et al. [51] ont examiné les niveaux de transporteurs de dopamine à circuit de récompense chez les toxicomanes par rapport à un groupe témoin. Les toxicomanes Internet comprenaient cinq hommes (âge moyen = 20.4, SD = 2.3), dont l'utilisation Internet quotidienne moyenne était de 10.2 h (SD = 1.5) et qui étaient toxicomanes depuis plus de six ans. Le groupe témoin apparié en fonction de l'âge comprenait neuf hommes (âge moyen = 20.4, SD = années 1.1), dont l'utilisation quotidienne moyenne était de 3.8 h (SD = 0.8 h). Les auteurs ont réalisé des balayages du cerveau par tomodensitométrie à émission de photons unique (SPECT) 99mTc-TRODAT-1 à l'aide du détecteur double SPECT de Siemens Diacam / e.cam / icon. Ils ont rapporté que les transporteurs de dopamine réduits indiquaient une dépendance et qu'il existait des anomalies neurobiologiques similaires à d'autres dépendances comportementales. Ils ont également signalé que les taux de transporteur de dopamine (DAT) striatal diminuaient chez les toxicomanes sur Internet (nécessaires à la régulation des niveaux de dopamine striataux) et que le rapport volume / poids / absorption du corps strié était réduit par rapport aux témoins. On a signalé que les niveaux de dopamine étaient similaires à ceux des toxicomanes et que la dépendance à Internet "pouvait causer de graves dommages au cerveau" ([51], p. 1). Cette conclusion ne peut pas être considérée comme tout à fait exacte car la directionnalité de l’effet rapporté ne peut pas être établie avec la méthode utilisée.

 

 

3.5. Études PET

Koepp et al. [50] ont été la première équipe de recherche à fournir des preuves de la libération de dopamine dans le striatum au cours d’un jeu vidéo (c’est-à-dire un jeu utilisant un réservoir d’incitation financière). Dans leur étude, huit joueurs de jeux vidéo masculins (tranche d'âge = années 36 – 46) ont été soumis à une tomographie par émission de positrons (TEP) au cours du jeu vidéo et au repos. Les numérisations TEP ont utilisé une caméra 953B-Siemens / CTIPET, et une analyse de région d’intérêt (ROI) a été effectuée. Les taux de dopamine extracellulaires ont été mesurés via des différences de [11C] potentiel de liaison RAC à la dopamine D2 récepteurs dans le striata ventral et dorsal. Les résultats ont montré que les striata ventral et dorsal étaient associés à un comportement dirigé vers un objectif. Les auteurs ont également indiqué que le changement de potentiel de liaison au cours du jeu vidéo était similaire à celui qui a suivi les injections d'amphétamine ou de méthylphénidate. À la lumière de cela, la première étude incluse dans cette revue [50] était déjà capable de mettre en évidence des changements dans l'activité neurochimique à la suite d'un jeu par rapport à un contrôle au repos. Cette découverte revêt une importance immense car elle indique clairement que l’activité de jeu peut en réalité être comparée à l’utilisation de substances psychoactives à partir d’un niveau biochimique.

Kim et al. [49] ont vérifié si la dépendance à Internet était associée à une réduction des niveaux de disponibilité des récepteurs dopaminergiques dans le striatum. Tous les participants ont participé à l’entretien clinique structuré pour le DSM-IV [80], l'inventaire de dépression de Beck [93], la balance coréenne Wechsler Adult Intelligence Scale [94], le test de dépendance à Internet [69] et les critères de diagnostic du trouble de dépendance à Internet (IADDC; [68]). La dépendance à Internet a été définie comme les participants ayant obtenu plus que 50 (sur 100) à l’IAT et ayant approuvé au moins trois des sept critères de l’IADDC.

Leur échantillon comprenait cinq hommes toxicomanes sur Internet (âge moyen = 22.6, SD = années 1.2; score moyen IAT = 68.2, SD = 3.7; nombre moyen d’heures d’Internet quotidien = 7.8, SD = 1.5) et sept témoins de sexe masculin (âge moyen = 23.1, SD = Années 0.7; score moyen IAT = 32.9, SD = 5.3; nombre moyen d’heures d’Internet quotidien = 2.1, SD = 0.5). Les auteurs ont réalisé une étude PET et utilisé un ligand radiomarqué [11C] Raclopride et tomographie par émission de positons via le scanner ECAT EXACT pour tester la dopamine D2 potentiel de liaison au récepteur. Ils ont également réalisé une IRMf à l'aide d'un scanner IRN 1.5T de General Electric Signa. La méthode d'évaluation de D2 la disponibilité des récepteurs a examiné l'analyse des régions d'intérêt (ROI) dans le striatum ventral, le caudé dorsal, le putamen dorsal. Les auteurs ont rapporté que la dépendance à Internet était liée à des anomalies neurobiologiques du système dopaminergique, telles que constatées dans les dépendances liées à une substance. Il a également été signalé que les toxicomanes sur Internet avaient réduit la dopamine D2 disponibilité des récepteurs dans le striatum (caudé dorsal bilatéral, putamen droit) par rapport aux témoins et qu'il existait une corrélation négative entre la disponibilité des récepteurs de la dopamine et la gravité de la dépendance à Internet [49]. Cependant, cette étude ne permet pas de savoir dans quelle mesure la dépendance à Internet pourrait avoir causé les différences de neurochimie par rapport à toute autre variable de confusion, et, de la même manière, si ce sont les différentes neurochimies qui ont pu conduire à la pathogenèse.

 

 

4. Discussion

Les résultats des études IRMf indiquent que les régions du cerveau associées aux récompenses, à la dépendance, au désir et aux émotions sont de plus en plus activées au cours du jeu et de la présentation des signaux de jeu, en particulier pour les utilisateurs d’Internet et les joueurs dépendants, notamment la NAc, l’AMG, l’AC, le DLPFC. IC, rCN, rOFC, insula, PMC, precuneus [42,43]. Les signaux de jeu sont apparus comme de puissants prédicteurs de l’état de manque chez les toxicomanes masculins du jeu en ligne [44]. De plus, il a été démontré que les symptômes associés, tels que le besoin impérieux, l'activité cérébrale induite par les signaux de jeu et les dysfonctionnements cognitifs peuvent être réduits après un traitement psychopharmacologique ou cognitivo-comportemental [41,55].

En outre, des modifications structurelles ont été mises en évidence chez les utilisateurs d’Internet par rapport aux témoins, notamment le cervelet, le tronc cérébral, le rCG, le blPHipp, le lobe frontal droit, le lSFG, le rITG, le lSTG et le mTG. Plus précisément, ces régions semblaient être augmentées et calibrées, ce qui indique que chez les accros à Internet, une neuroadaptation se produit qui synchronise une variété de régions du cerveau. Ceux-ci incluent, mais ne sont pas limités à, le système mésocorticolimbique largement rapporté impliqué dans la récompense et la dépendance. En outre, le cerveau des toxicomanes d’Internet semble pouvoir mieux intégrer les informations sensorimotrices et perceptuelles [45]. Cela peut s'expliquer par un engagement fréquent avec des applications Internet telles que les jeux, qui nécessitent une connectivité plus étroite entre les régions du cerveau pour que les comportements appris et les réactions aux signaux liés à la dépendance se produisent automatiquement.

En outre, par rapport aux témoins, il a été constaté que les toxicomanes Internet présentaient une diminution du volume de matière grise dans le blDLPFC, le SMA, l'OFC, le cervelet, le CAC, le CCP, une augmentation de l'APLIC et une diminution de l'AF dans la substance blanche du PHG [46]. Le lACC est nécessaire au contrôle moteur, à la cognition et à la motivation, et sa diminution d’activation a été liée à la dépendance à la cocaïne [95]. L’OFC participe au traitement des émotions et joue un rôle dans les processus de prise de décision inadaptés, ainsi que dans les comportements compulsifs, qui font tous partie intégrante de la toxicomanie [96]. En outre, la durée de la dépendance à Internet était corrélée aux modifications du DLPFC, du rACC, du SMA et du PLIC, témoignant de l'augmentation de la gravité de l'atrophie cérébrale au fil du temps [46]. Les DLPFC, rACC, ACC et PHG ont été associés à la maîtrise de soi [22,25,44], alors que la SMA assure le contrôle cognitif [97]. L'atrophie dans ces régions peut expliquer la perte de contrôle qu'éprouve un toxicomane en ce qui concerne sa drogue ou l'activité de son choix. Le PCC, en revanche, joue un rôle important dans la médiation des processus émotionnels et de la mémoire [98], et une diminution de la densité de la matière grise peut indiquer des anomalies associées à ces fonctions.

L’augmentation de la capsule interne a été liée à la fonction motrice manuelle et à l’imagerie motrice [99,100], et peut éventuellement s’expliquer par la participation fréquente à des jeux informatiques, qui nécessite et améliore considérablement la coordination œil-main [101]. De plus, une diminution de la densité des fibres et de la myélinisation de la substance blanche mesurées avec l'AF ont été observées dans le membre antérieur de la capsule interne, de la capsule externe, du rayonnement corona, du fascicule fronto-occipital inférieur et du gyrus précentral chez les toxicomanes Internet par rapport aux témoins sains [48]. Des anomalies similaires de la substance blanche ont été rapportées dans d'autres dépendances liées à une substance [102,103]. De même, on a constaté que la connectivité des fibres dans le corps calleux diminuait chez les toxicomanes Internet par rapport aux témoins sains, ce qui indique que la dépendance à Internet pourrait avoir des conséquences dégénératives similaires en ce qui concerne les liens entre les hémisphères. Ces résultats sont conformes à ceux rapportés dans Addictions liées à la substance [104].

De plus, des différences d'activation apparaissant selon le sexe étaient telles que l'activation et la connectivité des régions cérébrales associées au système de récompense mésocorticolimbique étaient plus fortes chez les hommes que chez les femmes. Cela peut expliquer la vulnérabilité beaucoup plus grande des hommes à développer une dépendance au jeu et à Internet, qui a été rapportée dans des revues de la littérature empirique (c.-à-d. [7,105]).

Outre les résultats de l'IRM, les études EEG évaluant la dépendance à Internet et au jeu à ce jour offrent une variété de résultats importants qui peuvent aider à comprendre les corrélats comportementaux et fonctionnels de cette psychopathologie émergente. De plus, la nature expérimentale de toutes les études EEG incluses permet de déterminer une relation de cause à effet entre les variables évaluées. Il a été démontré que, par rapport aux témoins, les toxicomanes Internet présentaient une diminution des amplitudes P300 et une latence accrue P300. En règle générale, cette amplitude reflète l'attribution de l'attention. Les différences d’amplitude entre les utilisateurs d’Internet et les contrôles indiquent que ceux-ci ont une capacité d’attention altérée ou ne sont pas en mesure d’attirer correctement l’attention [55,57]. De petites amplitudes P300 ont été associées à une vulnérabilité génétique à l'alcoolisme dans une méta-analyse [106]. On a en outre constaté que la diminution de la latence de P300 distinguait les gros buveurs sociaux des buveurs modestes [107]. En conséquence, il semble y avoir un changement commun dans les fluctuations de tension neuronale chez les personnes toxicomanes et dans l'utilisation d'Internet par rapport aux personnes non toxicomanes. En conséquence, la dépendance à Internet semble avoir un effet sur le fonctionnement neuroélectrique similaire à celui des toxicomanies. De manière générale, le cerveau des toxicomanes d'Internet semblait moins efficace en ce qui concerne le traitement de l'information et l'inhibition de la réponse par rapport au cerveau de participants sains [54,56]. Cela indique que la dépendance à Internet est associée à un contrôle des impulsions faible et à l'utilisation d'un nombre accru de ressources cognitives afin de mener à bien des tâches spécifiques [53]. En outre, les toxicomanes sur Internet semblent avoir une capacité de contrôle de l’exécutif altérée par rapport aux contrôles [56,53]. Ces résultats sont en accord avec la capacité réduite de contrôle exécutif trouvée chez les toxicomanes à la cocaïne, impliquant une activité réduite dans les régions cérébrales pré et mi-frontal, ce qui permettrait des actions impulsives [108].

D'un point de vue biochimique, les résultats des études PET fournissent des preuves de la libération de dopamine dans le striatum au cours d'une partie [50]. Il a été démontré que les jeux fréquents et l'utilisation d'Internet diminuent les niveaux de dopamine (en raison de la diminution de la disponibilité de transporteurs de dopamine) et entraînent des dysfonctionnements neurobiologiques du système dopaminergique chez les toxicomanes d'Internet [49,51]. La disponibilité réduite était liée à la gravité de la dépendance à Internet [49]. Des niveaux réduits de dopamine ont été rapportés à plusieurs reprises dans les dépendances [26,109,110]. De plus, des anomalies structurelles du corps strié ont été rapportées [51]. Les dommages causés au corps strié ont été associés à une dépendance à l'héroïne [111].

Les études incluses dans cette revue de la littérature semblent fournir des preuves convaincantes des similitudes existant entre différents types de dépendances, notamment les dépendances liées aux substances et la dépendance à Internet, à divers niveaux. Au niveau moléculaire, il a été démontré que la dépendance à Internet se caractérise par un déficit global en récompense caractérisé par une diminution de l'activité dopaminergique. La direction de cette relation reste à explorer. La plupart des études ne pouvaient pas exclure qu'une dépendance se développe à la suite d'un système de récompense déficient plutôt que l'inverse. La possibilité que des déficits du système de récompense prédisposent certaines personnes à développer une drogue ou une dépendance au comportement telle que la dépendance à Internet peut accroître les risques de psychopathologie chez une personne. Chez les accros à Internet, l’affectivité négative peut être considérée comme l’état de base, le toxicomane se préoccupant d’utiliser Internet et de jouer pour modifier son humeur. Ceci est provoqué par l'activation du système antireward. En raison de l'utilisation excessive d'Internet et des jeux en ligne, des processus opposants semblent s'être mis en branle, ce qui habituera rapidement le toxicomane à la relation Internet, ce qui entraînera la tolérance et, en cas de cessation de l'utilisation, le retrait [27]. En conséquence, une diminution de la dopamine neuronale, comme le prouve la dépendance à Internet, peut être liée aux comorbidités communément rapportées avec des troubles affectifs, tels que la dépression [112], trouble bipolaire [113] et trouble de la personnalité limite [10].

Au niveau des circuits neuronaux, la neuroadaptation est une conséquence de l’activité cérébrale accrue dans les zones cérébrales associée à la dépendance et aux changements structurels résultant de la dépendance à Internet et au jeu. Les études citées fournissent une image claire de la pathogenèse de la dépendance à Internet et au jeu, et soulignent la façon dont les schémas comportementaux mésadaptés indiquant une dépendance sont maintenus. Le cerveau s'adapte à la consommation fréquente de drogues ou à des comportements de dépendance, de sorte qu'il devient insensible aux agents de renforcement naturels. Il est important de noter que le fonctionnement et la structure de l'OFC et du gyrus cingulaire sont modifiés, ce qui entraîne une augmentation de la visibilité du médicament ou du comportement et une perte de contrôle des comportements. Les mécanismes d'apprentissage et la motivation accrue pour la consommation / l'engagement entraînent des comportements compulsifs [114].

Sur le plan comportemental, les toxicomanes d’Internet et du jeu semblent être limités en ce qui concerne leur contrôle des impulsions, leur inhibition comportementale, leur contrôle du fonctionnement exécutif, leurs capacités d’attention et leur fonctionnement cognitif général. À leur tour, certaines compétences sont développées et améliorées du fait d’un engagement fréquent dans la technologie, telles que l’intégration d’informations perceptuelles dans le cerveau via les sens et la coordination œil-main. Il semble que la participation excessive à la technologie présente un certain nombre d'avantages pour les joueurs et les utilisateurs d'Internet, mais au détriment du fonctionnement cognitif fondamental.

Dans l’ensemble, les travaux de recherche présentés dans cette revue corroborent un modèle de syndrome de dépendance qui semble présenter des points communs neurobiologiques dans différentes dépendances [115]. Selon ce modèle, la neurobiologie et le contexte psychosocial augmentent le risque de devenir dépendants. L'exposition à la drogue ou au comportement provoquant une dépendance et à des événements négatifs spécifiques et / ou l'utilisation continue de la substance et son engagement dans le comportement entraînent une modification du comportement. La conséquence est le développement de dépendances à part entière, d'expression différente (par exemple, la cocaïne, Internet et les jeux), mais similaire en symptomatologie [115], c.-à-d. modification de l'humeur, saillance, tolérance, retrait, conflit et rechute [6].

Malgré les résultats révélateurs rapportés, un certain nombre de limitations doivent être abordées. Premièrement, il semble que des problèmes méthodologiques puissent réduire la force des résultats empiriques rapportés. Les changements cérébraux rapportés associés à la dépendance à Internet et aux jeux en ligne décrits dans cette revue peuvent être expliqués de deux manières différentes. D'une part, on pourrait soutenir que la dépendance à Internet entraîne des altérations du cerveau par rapport aux contrôles. Par ailleurs, les personnes présentant des structures cérébrales inhabituelles (comme celles observées dans la présente étude) peuvent être particulièrement prédisposées au développement de comportements de dépendance. Seules des études expérimentales permettront de déterminer les relations de cause à effet. Compte tenu de la nature sensible de cette recherche qui évalue essentiellement la psychopathologie potentielle, des considérations éthiques limiteront les possibilités de recherche expérimentale sur le terrain. Afin de surmonter ce problème, les futurs chercheurs devront évaluer l'activité du cerveau et ses altérations à plusieurs reprises au cours de la vie d'une personne dans le sens de la longueur. Cela permettrait d'extraire des informations précieuses sur les relations entre la pathogenèse et les changements cérébraux associés de manière plus élaborée et, surtout, causale.

Deuxièmement, cette revue comprenait des études de neuroimagerie à la fois des toxicomanes sur Internet et des toxicomanes du jeu en ligne. Sur la base des preuves rassemblées, il semble difficile de déduire des déductions en ce qui concerne les activités spécifiques que les toxicomanes exerçaient en ligne, à l'exception de certains auteurs traitant spécifiquement de la dépendance au jeu en ligne. D'autres, en revanche, utilisaient les catégories dépendance à Internet et dépendance au jeu sur Internet de manière presque interchangeable, ce qui ne permet pas de tirer des conclusions sur les différences et les similitudes entre les deux. À la lumière de cela, il est conseillé aux chercheurs d'évaluer clairement les comportements réels en ligne et, le cas échéant, d'étendre la notion de jeu à d'autres comportements en ligne potentiellement problématiques. En fin de compte, les gens ne deviennent pas dépendants du média Internet per sé, mais ce sont plutôt les activités dans lesquelles ils se lancent qui pourraient être potentiellement problématiques et pourraient conduire à un comportement en ligne addictif.

 

 

 

   

5. Conclusions

Cette revue visait à identifier toutes les études empiriques à ce jour qui ont utilisé des techniques de neuroimagerie afin de discerner les corrélats neuronaux de la dépendance à Internet et au jeu. Il existe relativement peu d'études (n = 19) et il est donc essentiel de mener des études supplémentaires pour reproduire les résultats de ceux déjà réalisés. Les études menées à ce jour ont utilisé à la fois des paradigmes structurels et fonctionnels. L’utilisation de chacun de ces paradigmes permet de dégager des informations cruciales pour la modification de l’activité neuronale et de la morphologie altérées, comme le font précipiter Internet et la dépendance au jeu. Dans l'ensemble, les études indiquent que la dépendance à Internet et au jeu est associée à des modifications de la fonction ainsi que de la structure du cerveau. Par conséquent, non seulement cette dépendance comportementale augmente l'activité dans les régions cérébrales généralement associées aux dépendances liées à la toxicomanie, mais elle semble conduire à une neuroadaptation de telle sorte que le cerveau lui-même change en conséquence d'un engagement excessif avec Internet et des jeux. .

En termes de méthode, les études de neuroimagerie offrent un avantage par rapport aux enquêtes traditionnelles et à la recherche comportementale, car ces techniques permettent de distinguer des zones cérébrales particulières impliquées dans le développement et le maintien de la dépendance. Les mesures de l'augmentation de l'activité glutamatergique et électrique donnent un aperçu du fonctionnement du cerveau, tandis que les mesures de la morphométrie du cerveau et de la diffusion de l'eau fournissent une indication de la structure du cerveau. Il a été démontré que chacun d’entre eux subissait des changements importants en raison de la dépendance à Internet et aux jeux.

En conclusion, comprendre les corrélats neuronaux associés au développement de comportements de dépendance liés à l'utilisation d'Internet et aux jeux en ligne favorisera les recherches futures et ouvrira la voie au développement d'approches de traitement de la toxicomanie. En termes de pratique clinique, il est essentiel d’accroître nos connaissances sur la pathogenèse et le maintien de la dépendance à Internet et au jeu pour le développement de traitements spécifiques et efficaces. Celles-ci incluent des approches psychopharmacologiques qui ciblent la dépendance à Internet et au jeu en particulier au niveau de la biochimie et des circuits neuronaux, ainsi que des stratégies psychologiques visant à modifier les schémas cognitifs et comportementaux mal adaptés acquis.

 

 

 

   

Conflit d'intérêts

Les auteurs ne déclarent aucun conflit d'intérêt.

 

 

 

   

Bibliographie

  1. Young, K. Dépendance à Internet au cours de la décennie: un regard personnel sur le passé. Psychiatrie mondiale 2010, 9, 91. [Google Scholar]
  2. Tao, R .; Huang, XQ; Wang, JN; Zhang, HM; Zhang, Y .; Li, MC Critères de diagnostic proposés pour la dépendance à Internet. Dépendance 2010, 105, 556 – 564. [Google Scholar]
  3. Shaw, M .; Black, DW Internet addiction: Définition, évaluation, épidémiologie et gestion clinique. Drogues du SNC 2008, 22, 353 – 365. [Google Scholar] [CrossRef]
  4. Müller, KW; Wölfling, K. Jeu sur ordinateur et dépendance à Internet: aspects du diagnostic, de la phénoménologie, de la pathogenèse et de l'intervention thérapeutique. Suchttherapie 2011, 12, 57 – 63. [Google Scholar] [CrossRef]
  5. Beutel, ME; Hoch, C .; Woelfing, K .; Mueller, KW Caractéristiques cliniques du jeu sur ordinateur et de la dépendance à Internet chez les personnes cherchant un traitement en clinique externe pour dépendance au jeu. Z. Psychosom. Med. Psychother. 2011, 57, 77 – 90. [Google Scholar]
  6. Griffiths, MD Un modèle de «composants» de la dépendance dans un cadre biopsychosocial. J. Subst. Utilisation 2005, 10, 191 – 197. [Google Scholar] [CrossRef]
  7. Kuss, DJ; Griffiths, MD Dépendance au jeu sur Internet: Revue systématique de recherches empiriques. Int. J. Ment. Addict de la santé. 2012, 10, 278 – 296. [Google Scholar] [CrossRef]
  8. Association américaine de psychiatrie DSM-5 Development. Trouble d'utilisation d'Internet. Disponible en ligne: http://www.dsm5.org/ProposedRevision/Pages/proposedrevision.aspx?rid=573# (consulté sur 31 July 2012).
  9. Adalier, A. La relation entre la dépendance à Internet et les symptômes psychologiques. Int. J. Glob. Educ. 2012, 1, 42 – 49. [Google Scholar]
  10. Bernardi, S .; Pallanti, S. Internet addiction: étude clinique descriptive axée sur les comorbidités et les symptômes dissociatifs. Compr. Psychiatrie 2009, 50, 510 – 516. [Google Scholar] [CrossRef]
  11. Xiuqin, H .; Huimin, Z .; Mengchen, L .; Jinan, W .; Ying, Z .; Ran, T. Santé mentale, personnalité et styles d'éducation parentale d'adolescents présentant un trouble de la dépendance à Internet. Cyberpsychol. Comportement Soc. Netw. 2010, 13, 401 – 406. [Google Scholar] [CrossRef]
  12. Johansson, A .; Gotestam, KG Dépendance à Internet: Caractéristiques d'un questionnaire et prévalence chez les jeunes Norvégiens (années 12-18). Scand. J. Psychol. 2004, 45, 223 – 229. [Google Scholar] [CrossRef]
  13. Lin, M.-P .; Ko, H.-C .; Wu, JY-W. Prévalence et facteurs de risque psychosociaux associés à la dépendance à Internet dans un échantillon représentatif à l'échelle nationale d'étudiants à Taïwan. Cyberpsychol. Comportement Soc. Netw. 2011, 14, 741 – 746. [Google Scholar]
  14. Fu, KW; Chan, WSC; Wong, PWC; Yip, PSF Internet addiction: Prévalence, validité discriminante et corrélats chez les adolescents de Hong Kong. Le fr. J. Psychiatrie 2010, 196, 486 – 492. [Google Scholar] [CrossRef]
  15. Descartes, R. Traité de l'homme; Prometheus Books: New York, NY, États-Unis, 2003. [Google Scholar]
  16. Repovš, G. Neurosciences cognitives et «problème corps-esprit». Horiz. Psychol. 2004, 13, 9 – 16. [Google Scholar]
  17. Volkow, ND; Fowler, JS; Wang, GJ Le cerveau humain dépendant: informations tirées d'études en imagerie. J. Clin. Investir. 2003, 111, 1444 – 1451. [Google Scholar]
  18. Pavlov, Réflexes conditionnels IP: étude de l'activité physiologique du cortex cérébral; Dover: Mineola, NY, USA, 2003. [Google Scholar]
  19. Skinner, BF Science et Human Behavior; Macmillan: New York, NY, États-Unis, 1953. [Google Scholar]
  20. Everitt, BJ; Robbins, TW Systèmes neuronaux de renforcement pour la toxicomanie: des actions aux habitudes en passant par la contrainte. Nat. Neurosci. 2005, 8, 1481 – 1489. [Google Scholar] [CrossRef]
  21. Kalivas, PW; Volkow, ND La base neurale de la dépendance: une pathologie de la motivation et du choix. Un m. J. Psychiatrie 2005, 162, 1403 – 1413. [Google Scholar] [CrossRef]
  22. Goldstein, RZ; Volkow, ND La toxicomanie et ses fondements neurobiologiques sous-jacents: preuves de neuro-imagerie de l’implication du cortex frontal. Un m. J. Psychiatrie 2002, 159, 1642 – 1652. [Google Scholar] [CrossRef]
  23. Craven, R. Cibler les corrélats neuronaux de la dépendance. Nat. Rev. Neurosci. 2006, 7. [Google Scholar]
  24. Brebner, K .; Wong, TP; Liu, L .; Liu, Y .; Campsall, P .; Gray, S .; Phelps, L .; Phillips, AG; Wang, YT Noyau accumbens Dépression à long terme et expression de la sensibilisation comportementale. Science 2005, 310, 1340 – 1343. [Google Scholar]
  25. Wilson, SJ; Sayette, MA; Fiez, JA Réponses préfrontal aux signaux de drogue: une analyse neurocognitive. Nat. Neurosci. 2004, 7, 211 – 214. [Google Scholar]
  26. Di Chiara, G. Nucleus accumbens shell et core dopamine: Rôle différentiel dans le comportement et la dépendance. Comportement Brain Res. 2002, 137, 75 – 114. [Google Scholar] [CrossRef]
  27. Koob, GF; Le Moal, M. Addiction et le système anti-cerveau cérébral. Ann. Rev. Psychol. 2008, 59, 29 – 53. [Google Scholar]
  28. Prochaska, JO; DiClemente, CC; Norcross, JC À la recherche de la façon dont les gens changent. Applications aux comportements addictifs. Un m. Psychol. 1992, 47, 1102 – 1114. [Google Scholar]
  29. Potenza, MN Les troubles addictifs devraient-ils inclure des affections non liées à une substance? Dépendance 2006, 101, 142 – 151. [Google Scholar] [CrossRef]
  30. Grant, JE; Brewer, JA; Potenza, MN Neurobiologie de la toxicomanie et des dépendances comportementales. CNS Spectr. 2006, 11, 924 – 930. [Google Scholar]
  31. Niedermeyer, E .; da Silva, FL Electroencéphalographie: principes de base, applications cliniques et domaines connexes; Lippincot Williams & Wilkins: Philadelphie, PA, États-Unis, 2004. [Google Scholar]
  32. Chance, SJ; Kappenman, ES Oxford Handbook of Event-related Components; Oxford University Press: New York, NY, États-Unis, 2011. [Google Scholar]
  33. Bailey, DL; Townsend, DW; Valk, PE; Maisey, MN Tomographie par émission de positrons: sciences fondamentales; Springer: Secaucus, NJ, États-Unis, 2005. [Google Scholar]
  34. Meikle, SR; Beekman, FJ; Rose, SE Technologies d’imagerie moléculaire complémentaires: SPECT, PET et IRM à haute résolution. Drug Discov. Aujourd'hui Technol. 2006, 3, 187 – 194. [Google Scholar] [CrossRef]
  35. Huettel, SA; Song, AW; McCarthy, G. Imagerie par résonance magnétique fonctionnelle, 2nd ed .; Sinauer: Sunderland, Massachusetts, États-Unis, 2008. [Google Scholar]
  36. Symms, M .; Jäger, HR; Schmierer, K .; Yousry, TA Un examen de la neuroimagerie par résonance magnétique structurelle. J. Neurol. Neurochirurgie Psychiatrie 2004, 75, 1235 – 1244. [Google Scholar] [CrossRef]
  37. Ashburner, J .; Friston, KJ Morphométrie à base de Voxel-Les méthodes. NeuroImage 2000, 11, 805 – 821. [Google Scholar] [CrossRef]
  38. Le Bihan, D .; Mangin, JF; Poupn, C .; Clark, CA; Pappata, S .; Molko, N .; Chabriat, H. Diffusion Tensor Imaging: Concepts et applications. J. Magn. Reson. Imagerie 2001, 13, 534 – 546. [Google Scholar]
  39. Dong, G .; Huang, J .; Du, X. Sensibilité accrue aux récompenses et sensibilité aux pertes diminuée chez les accros à Internet: étude IRMf au cours d’une tâche de devinette. J. Psychiatr. Res. 2011, 45, 1525 – 1529. [Google Scholar]
  40. Han, DH; Lyoo, IK; Renshaw, PF Différents volumes de matière grise régionale chez les patients ayant une dépendance au jeu en ligne et les joueurs professionnels. J. Psychiatr. Res. 2012, 46, 507 – 515. [Google Scholar] [CrossRef]
  41. Han, DH; Hwang, JW; Le traitement à libération prolongée de Renshaw, PF Bupropion diminue le besoin de jeux vidéo et l'activité cérébrale induite par les signaux chez les patients souffrant de dépendance aux jeux vidéo sur Internet. Exp. Clin. Psychopharmacol. 2010, 18, 297 – 304. [Google Scholar]
  42. Han, DH; Kim, YS; Lee, YS; Min, KJ; Renshaw, PF Modifications de l'activité du cortex préfrontal induite par la réplique par le jeu vidéo. Cyberpsychol. Comportement Soc. Netw. 2010, 13, 655 – 661. [Google Scholar] [CrossRef]
  43. Hoeft, F .; Watson, CL; Kesler, SR; Bettinger, KE; Reiss, AL Différences entre les sexes dans le système mésocorticolimbique au cours d’un jeu vidéo. J. Psychiatr. Res. 2008, 42, 253 – 258. [Google Scholar]
  44. Ko, CH; Liu, GC; Hsiao, SM; Yen, JY; Yang, MJ; Lin, WC; Yen, CF; Chen, CS Les activités cérébrales associées au jeu pimentent la dépendance au jeu en ligne. J. Psychiatr. Res. 2009, 43, 739 – 747. [Google Scholar] [CrossRef]
  45. Liu, J .; Gao, XP; Osunde, I .; Li, X .; Zhou, SK; Zheng, HR; Li, LJ Augmentation de l'homogénéité régionale dans le trouble de la dépendance à Internet: étude d'imagerie par résonance magnétique fonctionnelle à l'état de repos. Menton. Med. J. 2010, 123, 1904 – 1908. [Google Scholar]
  46. Yuan, K .; Qin, W .; Wang, G .; Zeng, F .; Zhao, L .; Yang, X .; Liu, P .; Liu, J .; Sun, J .; von Deneen, KM; et al. Anomalies de la microstructure chez les adolescents présentant un trouble de dépendance à Internet. PloS One 2011, 6, e20708. [Google Scholar]
  47. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Qin, L.-D .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Anomalies de la matière grise dans la dépendance à Internet: Une étude de morphométrie à base de voxel. EUR. J. Radiol. 2011, 79, 92 – 95. [Google Scholar]
  48. Lin, F .; Zhou, Y .; Du, Y .; Qin, L .; Zhao, Z .; Xu, J .; Lei, H. Intégrité anormale de la substance blanche chez des adolescents présentant un trouble de dépendance à Internet: une étude de statistiques spatiales basée sur les voies. PloS One 2012, 7, e30253. [Google Scholar]
  49. Kim, SH; Baik, SH; Park, CS; Kim, SJ; Choi, SW; Kim, SE Réduction des récepteurs D2 de la dopamine striatale chez les personnes souffrant de dépendance à Internet. Neuroreport 2011, 22, 407 – 411. [Google Scholar] [CrossRef]
  50. Koepp, MJ; Gunn, RN; Lawrence, AD; Cunningham, VJ; Dagher, A .; Jones, T .; Brooks, DJ; Banc, CJ; Grasby, PM Preuve de la libération de dopamine dans le striatum au cours d’un jeu vidéo. La nature 1998, 393, 266 – 268. [Google Scholar]
  51. Hou, H .; Jia, S .; Hu, S .; Fan, R .; Sun, W .; Sun, T .; Zhang, H. Réduction du nombre de transporteurs de dopamine striataux chez les personnes présentant un trouble de dépendance à Internet. J. Biomed. Biotechnol. 2012, 2012. [Google Scholar]
  52. Dong, G .; Zhou, H .; Zhao, X. Les toxicomanes d'Internet masculins démontrent une capacité de contrôle de l'exécutif avec facultés affaiblies: preuves tirées d'une tâche Stroop de couleur. Neurosci. Lett. 2011, 499, 114 – 118. [Google Scholar] [CrossRef]
  53. Dong, G .; Lu, Q .; Zhou, H .; Zhao, X. Inhibition des impulsions chez les personnes atteintes d'un trouble de la dépendance à Internet: données électrophysiologiques provenant d'une étude Go / NoGo. Neurosci. Lett. 2010, 485, 138 – 142. [Google Scholar] [CrossRef]
  54. Dong, G .; Zhou, H. Est-ce que sa capacité de contrôle des impulsions est altérée chez les personnes atteintes d'un trouble de la dépendance à Internet: données électrophysiologiques tirées d'études sur l'ERP. Int. J. Psychophysiol. 2010, 77, 334 – 335. [Google Scholar] [CrossRef]
  55. Ge, L .; Ge, X .; Xu, Y .; Zhang, K .; Zhao, J .; Kong, X. P300 changement et thérapie cognitivo-comportementale chez les sujets présentant un trouble de dépendance à Internet. Une étude de suivi au mois de 3. Regen Neural. Res. 2011, 6, 2037 – 2041. [Google Scholar]
  56. Littel, M .; Luijten, M .; van den Berg, I .; van Rooij, A .; Keemink, L .; Franken, I. Traitement des erreurs et inhibition de la réponse chez les joueurs excessifs: une étude ERP. Toxicomane. Biol. 2012. [Google Scholar]
  57. Yu, H .; Zhao, X .; Li, N .; Wang, M .; Zhou, P. Effet d'une utilisation excessive d'Internet sur les caractéristiques temps-fréquence de l'EEG. Programme. Nat. Sci. 2009, 19, 1383 – 1387. [Google Scholar] [CrossRef]
  58. Derogatis, LR SCL-90-R Manuel d'administration, de notation et de procédure II; Recherche psychométrique clinique: Towson, MD, USA, 1994. [Google Scholar]
  59. Costa, PT; McCrae, RR, inventaire révisé de la personnalité NEO (NEO-PI-R) et inventaire NEO à cinq facteurs (NEO-FFI): manuel professionnel; Ressources d'évaluation psychologique: Odessa, FL, USA, 1992. [Google Scholar]
  60. Naqvi, NH; Bechara, A. L'île cachée de la dépendance: l'insula. Tendances Neurosci. 2009, 32, 56 – 67. [Google Scholar] [CrossRef]
  61. Young, KS Internet Addiction Test (IAT). Disponible en ligne: http://www.netaddiction.com/index.php?option=com_bfquiz&view=onepage&catid=46&Itemid=106 (consulté sur 14 May 2012).
  62. Tao, R .; Huang, X .; Wang, J .; Liu, C .; Zang, H .; Xiao, L. Un critère proposé pour le diagnostic clinique de la dépendance à Internet. Med. J. Chin. PLA 2008, 33, 1188 – 1191. [Google Scholar]
  63. Wang, W .; Tao, R .; Niu, Y .; Chen, Q .; Jia, J .; Wang, X. Critères de diagnostic préliminaires de l'utilisation pathologique de l'Internet. Menton. Ment. Santé J. 2009, 23, 890 – 894. [Google Scholar]
  64. Young, K. Dépendance à Internet: L’émergence d’un nouveau trouble clinique. Cyberpsychol. Comportement 1998, 3, 237 – 244. [Google Scholar] [CrossRef]
  65. Young, KS; Rogers, RC La relation entre la dépression et la dépendance à Internet. Cyberpsychol. Comportement 1998, 1, 25 – 28. [Google Scholar] [CrossRef]
  66. Johnson, S. NPD Group: Les ventes totales de logiciels de jeu 2010 sont stables par rapport à 2009. Disponible en ligne: http://www.g4tv.com/thefeed/blog/post/709764/npd-group-total-2010-game-software-sales-flat-compared-to-2009 (consulté sur 3 Février 2012).
  67. Young, K. Psychologie de l'utilisation de l'ordinateur: XL. Utilisation addictive d'Internet: un cas qui casse le stéréotype. Psychol. représentant 1996, 79, 899 – 902. [Google Scholar] [CrossRef]
  68. Goldberg, I. Critères de diagnostic du trouble de dépendance à Internet (IAD). Disponible en ligne: http://www.psycom.net/iadcriteria.html (consulté sur 23 May 2012).
  69. Young, K. pris dans le filet; Wiley: New York, NY, États-Unis, 1998. [Google Scholar]
  70. Bentler, PM Indices d'ajustement comparatif dans les modèles de structure. Psychol. Taureau. 1990, 107, 238 – 246. [Google Scholar] [CrossRef]
  71. Chen, SH; Weng, LC; Su, YJ; Wu, HM; Yang, Échelle de développement de la dépendance à Internet chinoise de PF et son étude psychométrique. Menton. J. Psychol. 2003, 45, 279 – 294. [Google Scholar]
  72. Barbe, KW; Wolf, EM Modification dans les critères de diagnostic proposés pour la dépendance à Internet. Cyberpsychol. Comportement 2001, 4, 377 – 383. [Google Scholar] [CrossRef]
  73. Van Rooij, AJ; Schoenmakers, TM; van den Eijnden, RJ; van de Mheen, D. Test de dépendance au jeu vidéo (VAT): Validité et caractéristiques psychométriques. Cyberpsychol. Comportement Soc. Netw. 2012. [Google Scholar]
  74. Ko, CH; Yen, JY; Chen, SH; Yang, MJ; Lin, HC; Yen, CF Critères de diagnostic proposés et outil de dépistage et de diagnostic de la dépendance à Internet chez les étudiants. Compr. Psychiatrie 2009, 50, 378 – 384. [Google Scholar]
  75. Sheehan, DV; Lecrubier, Y .; Sheehan, KH; Amorim, P .; Janvas, J .; Weiller, E .; Hergueta, T .; Baker, R .; Dunbar, GC Mini-entretien neuropsychiatrique international (MINI): mise au point et validation d'un entretien diagnostique psychiatrique structuré pour le DSM-IV et le CIM-10. J. Clin. Psychiatrie 1998, 59, 22 – 33. [Google Scholar]
  76. Tsai, MC; Tsai, YF; Chen, CY; Liu, CY Test d'identification des troubles de la consommation d'alcool (AUDIT): établissement des scores de coupure dans une population chinoise hospitalisée. De l'alcool. Clin. Exp. Res. 2005, 29, 53 – 57. [Google Scholar] [CrossRef]
  77. Heatherton, TF; Kozlowski, LT; Frecker, RC; Fagerström, KO Le test de Fagerstrom pour la dépendance à la nicotine: révision du questionnaire de tolérance de Fagerstrom. Le fr. J. Addict. 1991, 86, 1119 – 1127. [Google Scholar] [CrossRef]
  78. Beck, A .; Ward, C .; Mendelson, M. Un inventaire pour mesurer la dépression. Cambre. Psychiatrie générale 1961, 4, 561 – 571. [Google Scholar] [CrossRef]
  79. Lebcrubier, Y .; Sheehan, DV; Weiller, E .; Amorim, P .; Bonora, I .; Sheehan, HK; Janavs, J .; Dunbar, GC La Mini-entrevue neuropsychiatrique internationale (MINI). Petit entretien structuré de diagnostic: fiabilité et validité selon le CIDI. EUR. Psychiatrie 1997, 12, 224 – 231. [Google Scholar]
  80. Tout d'abord, MB; Gibbon, M .; Spitzer, RL; Williams, Entretien clinique structuré avec JBW pour les troubles de l’axe I du DSM-IV: version pour le clinicien (SCID-CV): cahier d’administration; Presse psychiatrique américaine: Washington, DC, États-Unis, 1996. [Google Scholar]
  81. Barratt, ES Analyse factorielle de certaines mesures psychométriques de l'impulsivité et de l'anxiété. Psychol. représentant 1965, 16, 547 – 554. [Google Scholar] [CrossRef]
  82. Lee, HS Impulsiveness Scale; Directives concernant la Corée: Séoul, Corée, 1992. [Google Scholar]
  83. Oldfield, RC L'évaluation et l'analyse de la justesse: l'inventaire d'Edimbourg. Neuropsychologie 1971, 9, 97 – 113. [Google Scholar] [CrossRef]
  84. Sheehan, DV; Sheehan, KH; Shyte, RD; Janavs, J .; Bannon, Y .; Rogers, JE; Milo, KM; Stock, SL; Wilkinson, B. Fiabilité et validité de la mini-entrevue neurpsychiatrique internationale pour enfants et adolescents (MINI-KID). J. Clin. Psychiatrie 2010, 71, 313 – 326. [Google Scholar] [CrossRef]
  85. Huang, X .; Zhang, Z. La compilation de l'échelle de disposition de gestion du temps d'adolescence. Acta Psychol. Péché. 2001, 33, 338 – 343. [Google Scholar]
  86. Patton, JH; Stanford, MS; Barratt, structure factorielle ES de l'échelle d'impulsivité de Barratt. J. Clin. Psychol. 1995, 51, 768 – 774. [Google Scholar] [CrossRef]
  87. Birmaher, B .; Khetarpal, S .; Brent, D .; Cully, M .; Balach, L .; Kaufman, J .; Neer, SM L'écran des troubles émotionnels liés à l'anxiété chez l'enfant (SCARED): construction d'échelle et caractéristiques psychométriques. Confiture. Acad. Enfant Adolescent. Psychiatrie 1997, 36, 545 – 553. [Google Scholar]
  88. Epstein, NB; Baldwin, LM; Bishop, DS Le dispositif d'évaluation de la famille McMaster. J. Marital Fam. Ther. 1983, 9, 171 – 180. [Google Scholar] [CrossRef]
  89. Yang, CK; Choe, BM; Baity, M .; Lee, JH; Cho, JS SCL-90-R et 16PF profils d'élèves du secondaire du secondaire faisant un usage excessif de l'Internet. Pouvez. J. Psychiatrie 2005, 50, 407 – 414. [Google Scholar]
  90. Eysenck, SBG; Pearson, PR; Est, G .; Allsopp, JF Normes d'âge relatives à l'impulsivité, au courage et à l'empathie chez les adultes. Pers. Individuel Différer. 1985, 6, 613 – 619. [Google Scholar] [CrossRef]
  91. Lijffijt, M .; Caci, H .; Kenemans, JL Validation de la traduction néerlandaise du questionnaire l7. Pers. Individuel Différer. 2005, 38, 1123 – 1133. [Google Scholar] [CrossRef]
  92. Lemmens, P .; Tan, ES; Knibbe, PR Mesure de la quantité et de la fréquence de consommation dans un sondage auprès de la population générale: comparaison de cinq indices. J. Stud. De l'alcool 1992, 53, 476 – 486. [Google Scholar]
  93. Beck, AT; Steer, R. Manuel pour l'inventaire de dépression de Beck; The Psychological Corporation: San Antonio, Texas, États-Unis, 1993. [Google Scholar]
  94. Yi, YS; Kim, JS Validité des formes courtes de l'échelle de l'intelligence coréenne-Wechsler pour adultes. Korean J. Clin. Psychol. 1995, 14, 111 – 116. [Google Scholar]
  95. Goldstein, RZ; Alia-Klein, N .; Tomasi, D .; Carrillo, JH; Maloney, T .; Woicik, PA; Wang, R .; Telang, F .; Volkow, ND Hypoactivations du cortex cingulaire antérieur à une tâche émotionnellement importante de la dépendance à la cocaïne. Proc. Natl. Acad. Sci. Etats-Unis 2009, 106, 9453 – 9458. [Google Scholar]
  96. Schoenebaum, G .; Roesch, MR; Stalnaker, cortex orbitofrontal TA, prise de décision et toxicomanie. Tendances Neurosci. 2006, 29, 116 – 124. [Google Scholar] [CrossRef]
  97. Li, C .; Sinha, R. Contrôle inhibiteur et régulation du stress émotionnel: preuves de neuro-imagerie pour un dysfonctionnement frontal-limbique dans une dépendance psycho-stimulante. Neurosci. Biobehav. Tour. 2008, 32, 581 – 597. [Google Scholar] [CrossRef]
  98. Maddock, RJ; Garrett, AS; Buonocore, MH Activation du cortex cingulaire postérieur par des mots émotionnels: preuve IRMf d'une tâche de décision de valence. Fredonner. Cerveau Mapp. 2003, 18, 30 – 41. [Google Scholar] [CrossRef]
  99. Schnitzler, A .; Salenius, S .; Salmelin, R .; Jousmäki, V .; Hari, R. Implication du cortex moteur primaire dans l'imagerie motrice: étude neuromagnétique. Neuroimage 1997, 6, 201 – 208. [Google Scholar] [CrossRef]
  100. Schiemanck, S .; Kwakkel, G .; Poste, MWM; Kappelle, JL; Prevo, AJH Impact des lésions de la capsule interne sur l'évolution de la fonction motrice de la main un an après un AVC. J. Rehabil. Med. 2008, 40, 96 – 101. [Google Scholar] [CrossRef]
  101. Rosenberg, BH; Landsittel, D .; Averch, TD Les jeux vidéo peuvent-ils être utilisés pour prédire ou améliorer les compétences en laparoscopie? J. Endourol. 2005, 19, 372 – 376. [Google Scholar] [CrossRef]
  102. Bora, E .; Yucel, M .; Fornito, A .; Pantelis, C .; Harrison, BJ; Cocchi, L .; Pell, G .; Lubman, DI Microstructure de la substance blanche dans la dépendance aux opiacés. Toxicomane. Biol. 2012, 17, 141 – 148. [Google Scholar] [CrossRef]
  103. Yeh, PH; Simpson, K .; Durazzo, TC; Gazdzinski, S .; Meyerhoff, Statistiques spatiales basées sur le système DJ (TBSS) des données d’imagerie du tenseur de diffusion dans l’alcoolodépendance: anomalies du neurocircuit de motivation. Psychiatry Res. 2009, 173, 22 – 30. [Google Scholar] [CrossRef]
  104. Arnone, D .; Abou-Saleh, MT; Barrick, TR Imagerie tenseur de diffusion du corps calleux en dépendance. Neuuropsychobiologie 2006, 54, 107 – 113. [Google Scholar] [CrossRef]
  105. Byun, S .; Ruffini, C .; Mills, JE; Douglas, AC; Niang, M .; Stepchenkova, S .; Lee, SK; Loutfi, J .; Lee, JK; Atallah, M .; et al. Dépendance à Internet: métasynthèse de la recherche quantitative 1996 – 2006. Cyberpsychol. Comportement 2009, 12, 203 – 207. [Google Scholar] [CrossRef]
  106. Polich, J .; Pollock, VE; Bloom, FE Méta-analyse de l'amplitude de P300 chez des hommes présentant un risque d'alcoolisme. Psychol. Taureau. 1994, 115, 55 – 73. [Google Scholar] [CrossRef]
  107. Nichols, JM; Martin, F. P300 dans les grands buveurs sociaux: l’effet du lorazépam. De l'alcool 1993, 10, 269 – 274. [Google Scholar] [CrossRef]
  108. Sokhadze, E .; Stewart, C .; Hollifield, M .; Tasman, A. Étude potentielle liée aux événements des dysfonctionnements de l'exécutif dans le cadre d'une tâche de réaction accélérée dans la dépendance à la cocaïne. J. Neurother. 2008, 12, 185 – 204. [Google Scholar] [CrossRef]
  109. Thomas, MJ; Kalivas, PW; Shaham, Y. Neuroplasticité dans le système dopaminergique mésolimbique et dépendance à la cocaïne. Le fr. J. Pharmacol. 2008, 154, 327 – 342. [Google Scholar]
  110. Volkow, ND; Fowler, JS; Wang, GJ; Swanson, JM Dopamine dans l’abus de drogues et la toxicomanie: Résultats d’études par imagerie et conséquences pour le traitement. Mol. Psychiatrie 2004, 9, 557 – 569. [Google Scholar] [CrossRef]
  111. Jia, SW; Wang, W .; Liu, Y .; Wu, ZM Etudes de neuro-imagerie des modifications du corps strié chez des patients héroïno-dépendants traités par la phytothérapie, capsule U'finer. Toxicomane. Biol. 2005, 10, 293 – 297. [Google Scholar] [CrossRef]
  112. Morrison, CM; Gore, H. La relation entre l'utilisation excessive d'Internet et la dépression: étude basée sur un questionnaire mené auprès de jeunes adultes et de jeunes adultes 1319. Psychopathologie 2010, 43, 121 – 126. [Google Scholar] [CrossRef]
  113. Di Nicola, M .; Tedeschi, D .; Mazza, M .; Martinotti, G .; Harnic, D .; Catalano, V .; Bruschi, A .; Pozzi, G .; Bria, P .; Janiri, L. Dépendances comportementales chez les patients atteints de trouble bipolaire: Rôle de l'impulsivité et dimensions de la personnalité. J. Affect. Désordre. 2010, 125, 82 – 88. [Google Scholar] [CrossRef]
  114. Volkow, ND; Fowler, JS; Wang, GJ Le cerveau humain dépendant vu à la lumière des études d'imagerie: circuits cérébraux et stratégies de traitement. Neuropharmacologie 2004, 47, 3 – 13. [Google Scholar] [CrossRef]
  115. Shaffer, HJ; LaPlante, DA; LaBrie, RA; Kidman, RC; Donato, AN; Stanton, MV Vers un modèle de syndrome de dépendance: expressions multiples, étiologie commune. Harv. Rev. Psychiatrie 2004, 12, 367 – 374. [Google Scholar] [CrossRef]