L'analyse basée sur le réseau révèle la connectivité fonctionnelle liée à la tendance à la dépendance à Internet (2016)

Avant Hum Neurosci. 2016; 10: 6.

Publié en ligne 2016 Feb 1. est ce que je:  10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tanya Wen1,2,* et Shulan Hsieh1,3,4,*

Abstract

L'utilisation préoccupante et compulsive d'Internet peut avoir des effets psychologiques négatifs, si bien qu'il est de plus en plus reconnu comme un trouble mental. La présente étude a utilisé des statistiques basées sur un réseau pour explorer la relation entre les connexions fonctionnelles du cerveau entier au repos et le degré de dépendance à Internet d'un individu, indexées par un questionnaire autoévalué. Nous avons identifié deux réseaux importants sur le plan topologique, l'un avec des connexions en corrélation positive avec la tendance à la dépendance à Internet et l'autre avec des connexions en corrélation négative avec la tendance de la dépendance à Internet. Les deux réseaux sont interconnectés principalement au niveau des régions frontales, ce qui peut refléter des altérations de la région frontale affectant différents aspects du contrôle cognitif (par exemple, pour le contrôle de l’utilisation d’Internet et les compétences de jeu). Ensuite, nous avons classé le cerveau en plusieurs grands sous-groupes régionaux et avons constaté que la majorité des proportions de connexions dans les deux réseaux correspond au modèle cérébelleux de dépendance qui englobe le modèle à quatre circuits.

Enfin, nous avons observé que les régions cérébrales avec les connexions interrégionales les plus associées à la tendance à la dépendance à Internet reproduisent celles souvent vues dans la littérature sur la toxicomanie et sont corroborées par notre méta-analyse d'études sur la dépendance à Internet. Cette recherche permet de mieux comprendre les réseaux à grande échelle impliqués dans la tendance à la dépendance à Internet et montre que les niveaux précliniques de dépendance à Internet sont associés à des régions et des connexions similaires à celles des cas cliniques de dépendance.

Mots clés: dépendance à Internet, statistiques basées sur le réseau, connectivité fonctionnelle, état de repos, méta-analyse

Introduction

Addiction à Internet (; ) est un phénomène moderne caractérisé par la préoccupation et l’utilisation compulsive d’Internet. Les troubles du jeu sur Internet (IGD) figurent en particulier à la section III du manuel de diagnostic et de statistique, version 5 (DSM-5).®, ). En raison de l’absence de critère standard, certains auteurs ont traité les deux termes comme synonymes (voir ; pour une discussion); Cependant, l'utilisation compulsive et excessive d'Internet pour toute activité (que nous qualifierons dans cette littérature d'addiction à Internet) est plus globale que son principal sous-type IGD, qui peut inclure de multiples formes d'utilisation d'Internet en plus du jeu en ligne (; ; ). Notre étude actuelle étudie la dépendance à Internet sous une forme plus générale. Comme dans le cas des troubles liés aux substances, la dépendance à Internet montre des symptômes de sevrage, une tolérance, une perte de contrôle et des problèmes psychosociaux, entraînant une détresse ou une altération cliniquement significative du fonctionnement quotidien. La prévalence semble plus élevée dans les pays asiatiques et chez les adolescents que chez les adolescents et, selon les estimations, elle va de 14.1 à 16.5% (intervalle de confiance de 95) parmi les étudiants taïwanais participant à une étude (). Le phénomène attire de plus en plus l'attention au cours des dernières années et mérite clairement des recherches supplémentaires.

L'imagerie par résonance magnétique fonctionnelle (IRMf) a été utilisée pour identifier les substrats neuronaux de la dépendance à Internet, qui s'est avérée montrer des signatures cérébrales similaires avec des dépendances liées à la substance. (; ; ). Dans les études bloquées et liées à des événements, plusieurs régions associées à la récompense, à la dépendance et à l’état de manque ont été identifiées en comparant les indices de jeu sur Internet avec les valeurs initiales, notamment l’insula, le noyau accumbens (NAc), le cortex préfrontal dorsolatéral (DLPFC) et le front orbital. cortex (OFC) (; ; ; ; ). Cependant, les approches basées sur l'activation contrastent l'activité liée aux signaux et ne traitent pas de la façon dont les régions du cerveau interagissent et ne peuvent donc pas caractériser les connexions fonctionnelles altérées associées aux mesures cliniques ou comportementales; les troubles humains résultent de perturbations dans un système complexe interconnecté (). L’introduction de l’IRMf à l’état de repos s’est révélée être un outil puissant pour l’étude de la connectivité neuronale du cerveau entier (). La connectivité fonctionnelle au repos est évaluée par la corrélation des fluctuations spontanées des signaux dépendants du taux d'oxygène dans le sang (BOLD) dans différentes régions du cerveau. Elle est censée fournir une mesure de son organisation fonctionnelle et peut aider à caractériser les synchronisations anormales entre les régions du cerveau. dans le spectre des phénotypes psychologiques (; ).

Bien que certaines études aient utilisé la connectivité fonctionnelle pour étudier la connectivité fonctionnelle altérée liée à la dépendance à Internet, la plupart des études ont utilisé des régions de graine choisies a priori, soit (a) en corrélant une région de graine avec les voxels restants de tout le cerveau [ utilisé le NAc; utilisé le gyrus frontal inférieur droit (IFG); utilisé le cortex cingulaire postérieur (PCC); utilisé l'amygdale; utilisé l'insula; utilisé le noyau caudé et le putamen; utilisé le pôle frontal droit; utilisé le bon DLPFC] ou (b) effectuer des corrélations entre plusieurs ROI prédéfinis sélectionnés parmi des réseaux significatifs ( examiné le réseau exécutif central et le réseau de visibilité; examiné le réseau de contrôle exécutif; examiné le réseau de contrôle exécutif et le réseau de récompenses; examiné le réseau d'inhibition de la réponse; examiné six retours sur investissement corticostriatals bilatéraux prédéfinis). Les régions de semences prédéfinies examinées ne représentent qu'une petite partie du cerveau; elles risquent donc de ne pas être en mesure de donner une image complète de la manière dont le connectome est affecté par la dépendance à Internet.

Très peu d'études ont utilisé une approche du cerveau complet pour étudier la dépendance à Internet. À notre connaissance, il n'y a actuellement que quatre articles publiés qui ont adopté une approche globale, et leurs méthodes sont très variables, allant des statistiques basées sur des réseaux (NBS; ) à topologique (; ; ) à une connectivité homotopique en miroir de voxel développée récemment (). En particulier, a utilisé NBS pour identifier les différences entre les groupes en matière de connectivité fonctionnelle interrégionale et a découvert des connexions altérées impliquées dans les circuits cortico-sous-corticaux chez des patients présentant une dépendance à Internet. Cependant, leur étude s'est concentrée sur un petit échantillon d'une population unique (adolescents précoces).

Par conséquent, dans notre article actuel, nous avons décidé d’utiliser une approche de connectivité globale, NBS (; ), pour identifier les connexions fonctionnelles prédictives de la tendance à la dépendance à Internet. NBS est une méthode statistique validée pour traiter le problème des comparaisons multiples sur un graphique. Elle est analogue aux méthodes basées sur les grappes (), et est utilisé pour identifier les connexions et les réseaux du connectome humain associés à un effet expérimental ou à une différence entre les groupes en testant l’hypothèse de manière indépendante pour chaque connexion. Nos résultats seront en outre comparés à une méta-analyse d'articles existants sur les corrélats neuronaux de la dépendance à Internet. Nous espérons étendre la littérature existante de plusieurs manières: (1) Nous espérons pouvoir brosser un tableau plus complet de la dépendance à Internet en utilisant une analyse du cerveau complet au lieu de n'utiliser qu'un petit nombre de régions de semences prédéfinies. (2) Bien qu’il existe plusieurs études de connectivité fonctionnelle du cerveau entier sur la dépendance à Internet (par exemple, ; ), les études ont comparé les groupes toxicomanes sur Internet à des témoins sains. Notre étude ne concernait aucun patient clinique, mais caractérisait la tendance à la dépendance à Internet comme un gradient. Nous espérons identifier des connexions fonctionnelles dont la force est modulée par le niveau de dépendance. (3) La plupart des études sur la toxicomanie sur Internet n’ont pas tenu compte du cervelet, mais le cervelet a été considéré comme une région importante de la dépendance (). Ainsi, nous avons inclus le cervelet dans notre analyse. (4) De nombreuses études ont limité leur groupe de participants aux hommes et ont souvent utilisé des échantillons de taille relativement petite (par exemple, , ; ). Pour augmenter la généralisabilité et la puissance de ces études, des échantillons contenant les deux sexes et une taille plus grande sont nécessaires (). En abordant les problèmes ci-dessus, la présente étude espère permettre de mieux comprendre comment la connectivité fonctionnelle est associée à la tendance à la dépendance à Internet.

Matériels et méthodes

Méta-analyse

Une méta-analyse a été construite à l'aide de la base de données NeuroSynth (http://neurosynth.org; ). Une analyse personnalisée a été réalisée en utilisant les termes de recherche «dépendance», «toxicomane», «internet», «jeu», «jeu» et «en ligne» pour identifier les études liées à la dépendance à Internet dans la base de données. Les critères d'inclusion ont été vérifiés manuellement et une liste des études incluses est détaillée dans le document complémentaire 1. Un total d'études sur 18 ont été incluses. Les coordonnées d'activation des pics ainsi que le voisinage des voxels 6 mm ont été extraits des études incluses. Ensuite, une méta-analyse de ces coordonnées a été réalisée, produisant une inférence directe du cerveau entier zcartes de score. Les cartes d’inférence directe reflètent la probabilité qu’une région s’active sous ces conditions [P(activation | termes)], nous informant ainsi de la cohérence de l'activation pour les termes donnés. La carte d’inférence inverse montre la probabilité que ces termes soient utilisés dans une étude étant donné la présence d’activation signalée [P(termes | activation)]; ainsi, une région activée indique qu'il est plus probable qu'il s'agisse d'une étude liée à la dépendance à Internet plutôt que d'une étude liée à la dépendance à Internet, reflétant la sélectivité de cette région. Étant donné que l'inférence directe et l'inférence jouent un rôle important dans la compréhension des régions associées à la dépendance à Internet, nous avons superposé ces deux cartes d'inférence pour définir leurs régions communes. Les grappes supérieures à cinq voxels sont rapportées.

IRMf au repos

Participants

Quarante-sept participants en bonne santé (hommes 21 et femmes 26) du sud de Taiwan, dont la plupart sont des étudiants ou des membres du personnel de l'université, ont été recrutés par le biais de publicités pour participer à l'expérience (tranche d'âge = 19 – 29 années, âge moyen = 22.87 années, SD = Années 2.22). Les participants étaient droitiers (indiqués dans le Edinburgh Handedness Inventory), avaient une vision normale ou corrigée et ne présentaient aucun antécédent de troubles psychologiques ou neuronaux. Leurs scores de dépression, d'anxiété et d'intelligence se situaient dans la plage normale [score de Beck's Depression Inventory (BDI): 0 – 12; Score de BAI (Anxiety Inventory) de Beck: 0 – 7; Score du test Raven's Standard Progressive Matrices: 35 – 57]. Le score de Chen Internet Addiction Scale-Revised (CIAS-R) de tous les participants était compris entre = 28 – 92, moyenne = 60.04, SD = 16.53. lampe de table Table11 résume les informations démographiques et les caractéristiques comportementales des participants. La normalité des scores CIAS-R a été vérifiée par le test de Shapiro-Wilk [W(47) = 0.98, p = 0.50]. Il n’existait pas de corrélation significative entre le sexe et le score CIAS-R (ρ = 0.15 de Spearman, p = 0.30). Tous les participants ont donné leur consentement éclairé écrit et le protocole de l'étude a été approuvé (NO: B-ER-101-144) par le comité d'examen institutionnel (IRB) de l'hôpital universitaire national Kung Kung de Tainan, à Taïwan. Tous les participants ont reçu un paiement NTD 500 une fois l’expérience terminée.

Tableau 1  

Informations démographiques et caractéristiques comportementales.

Questionnaire sur la balance de dépendance à Internet Chen (CIAS-R)

L'échelle de dépendance à Internet de Chen révisée (CIAS-R; ) est une mesure 26-item utilisée pour évaluer la gravité de la dépendance à Internet. Le CIAS-R est basé sur les critères de comportement additif DSM-IV-TR et contient deux sous-échelles de dépendance à Internet (a) symptômes de base et (b) problèmes connexes, évaluant cinq dimensions comprenant l'utilisation d'Internet compulsif (1), le retrait (2) symptômes lorsque Internet est retiré, tolérance (3), menace (4) des relations interpersonnelles et de la santé physique, et problèmes de gestion du temps (5). Les éléments sont notés sur une échelle de Likert en points 4, avec des scores totaux allant de 26 à 104, reflétant une tendance faible à élevée de la dépendance à Internet. Il a été démontré que le CIAS-R présente une cohérence interne élevée (α = 0.79 – 0.93 de Cronbach; ) et une grande précision de diagnostic (AUC = 89.6%; ). Dans la présente étude, le score total CIAS-R a été utilisé comme indicateur de l'état actuel de la dépendance à Internet des participants.

Acquisition et traitement d'images

L'imagerie a été réalisée à l'aide du scanner GE MR750 3T (GE Healthcare, Waukesha, WI, États-Unis) dans le centre d'IRM de la National Cheng Kung University. Des images anatomiques à haute résolution ont été acquises avec fast-SPGR, constitué de coupes axiales 166 (TR = 7.6 ms, TE = 3.3 ms, angle de bascule 171 = 12 °, matrices 224 × matrices 224, épaisseur de coupe = 1 mm). Les images fonctionnelles ont été acquises à l’aide d’une séquence d’impulsions EPI (gradient-echo écho-planar imaging) (TR = 2000 ms, TE = 30 ms, angle de basculement = 77 °, matrices 64 × matrices 64, épaisseur des coupes = 4 mm, pas de fente, taille du voxel 3.4375 mm × 3.4375 mm ×, 4 mm, coupes axiales 32 couvrant la totalité du cerveau).

Les participants ont été invités à se détendre et à s'allonger dans le scanner, les yeux fermés. On leur a demandé de ne pas penser à un événement particulier lors de la numérisation. Le temps de balayage pour l'image structurelle était d'environ 3.6 min. L’image fonctionnelle a duré environ 8 min, les cinq premiers TR servant d’analyses factices pour vérifier que le signal a atteint un état stable avant la collecte des données; Ainsi, une analyse est composée d'images de volume 240 EPI.

Les données ont été prétraitées à l’aide de l’assistant de traitement des données pour IRMf à état de repos (DPARSF; ), basée sur les fonctions de MRIcroN (1) ainsi que du logiciel de mappage statistique paramétrique (SPM2) et la trousse à outils d’analyse de données IRMf à repos (REST; ) dans Matlab (The MathWorks, Inc., Natick, MA, États-Unis). Les images fonctionnelles ont subi une correction de synchronisation de tranche, suivie d'un réalignement visant à corriger le mouvement de la tête à l'aide de transformations de corps rigides à six paramètres. Le mouvement global, caractérisé par un déplacement moyen par cadre (FD), n’était pas important (moyenne = 0.05, SD = 0.03) et n’a pas été corrélé avec les scores CIAS-R (Spearman ρ = -0.28, p = 0.055), l’impulsivité n’est donc pas un facteur de confusion du score et du mouvement de la dépendance à Internet (). Les images T1 ont été enregistrées comme des images fonctionnelles. Les images structurelles ont été segmentées en CSF, en substance blanche et en substance grise sur la base de cartes de probabilité tissulaire dans l’espace de l’INM, et ces calculs ont été utilisés dans la normalisation ultérieure des images T1 et EPI dans l’espace de l’INM. Les données ont été lissées dans le domaine spatial à l’aide d’un noyau gaussien de 6, en mm de largeur maximale à mi-hauteur (FWHM), puis supprimées de la tendance linéaire. Les covariables de nuisance, y compris le signal moyen global, le signal de la substance blanche et le signal du liquide céphalorachidien ont été régressées. Bien que la régression globale du signal soit ou non opérée, la controverse persiste (par exemple, ), nous avons décidé de mettre en œuvre cette méthode car il a été suggéré de maximiser la spécificité des corrélations fonctionnelles et d’améliorer la correspondance entre les corrélations de l’état de repos et l’anatomie (; ; ). Enfin, les images ont subi un filtrage passe-bande de 0.01 – 0.08 Hz.

Analyse des données

Les images IRMf ont été parcellées sur la base de l’étiquetage automatique anatomique (AAL); ), divisant le cerveau en fonction de la structure anatomique en ROI (ou nœuds) 116. Nous avons choisi l’atlas AAL car c’est la parcellisation la plus utilisée dans les études de réseaux fonctionnels () et était également le modèle utilisé par , dont l’étude est la plus pertinente pour la nôtre, augmentant ainsi le degré de comparabilité entre les études (). La méthode NBS a été utilisée pour identifier les réseaux cérébraux constitués d'une connectivité fonctionnelle interrégionale montrant une corrélation significative avec le score CIAS-R. Les analyses suivantes ont été effectuées à l’aide de la Network Based Statistic Toolbox () avec des scripts internes supplémentaires Matlab. Une matrice de corrélation 116 × 116 a été construite pour chaque participant en utilisant les cours de temps extraits de chaque ROI. Les Pearson r les valeurs ont été normalisées à Z scores en utilisant Fisher Z transformation. Chaque cellule de la matrice de corrélation représente la force de la connexion (ou du bord) entre deux nœuds. Des tests de masse univariés utilisant la corrélation de rang de Spearman ont été effectués entre les scores CIAS-R des participants et les forces des arêtes dans chaque arête pour identifier les connexions pertinentes qui étaient prédictives du score CIAS-R. Les bords candidats qui ont montré une prévisibilité élevée du score CIAS-R ont été sélectionnés via un seuil primaire de rho de Spearman> 0.37 et <-0.37 (approximativement l'alpha unilatéral = 0.005) respectivement, pour identifier les réseaux qui sont positivement et négativement associés au CIAS- Score R. Ensuite, des clusters topologiques, appelés composants de graphes connectés, ont été identifiés parmi les connexions supra-seuils. Une erreur familiale (FWE) pour la taille du composant a été calculée à l'aide de tests de permutation (3000 permutations), qui impliquaient de réorganiser au hasard les scores CIAS-R et de répéter le processus ci-dessus chaque permutation pour obtenir une distribution nulle de la plus grande taille de composant. Composants de graphe connectés dont la taille dépasse l'estimation corrigée FWE p-une valeur seuil de <0.05 a été identifiée comme étant des réseaux significativement liés à la tendance à la dépendance à Internet. Visionneuse BrainNet () a été utilisé pour la visualisation des connexions. Une illustration du pipeline d’analyse de données est présentée dans Figure Figure11.

FIGURE 1  

Organigramme du pipeline d’analyse de données. Les cerveaux des participants ont été prétraités et répartis dans différentes régions structurelles conformément au modèle AAL. Une matrice de corrélation a été construite en utilisant les cours de temps extraits de chaque région pour ...

Resultats

Méta-analyse

Inférence directe et inverse zcartes de scores ont été générées à partir de NeuroSynth (montré dans Figure Figure22). Les activations dans ces deux cartes montrent une grande ressemblance. Le chevauchement de ces cartes a révélé une activation dans les régions du cervelet, du lobe temporal (gyri temporal inférieur bilatéral, du pôle temporal supérieur droit et du gyrus temporal droit et supérieur droit), de plusieurs régions frontales (gyrus frontal orbital supérieur et gauche, gyrus frontal moyen droit, opercule frontal inférieur droit et gyrus précentral droit), putamen bilatéral, insula bilatéral, cingulaire moyen droit et précuneus droit. lampe de table Table22 répertorie les clusters identifiés ainsi que les régions AAL appartenant au cluster.

FIGURE 2  

Cartes d'inférence de méta-analyses effectuées sur NeuroSynth, montrant les régions actives en inférence directe, en inférence inverse et le chevauchement des deux cartes.
Tableau 2  

Chevauchement de clusters de cartes d'inférence directe et inverse.

IRMf au repos

Connexions fonctionnelles liées à la tendance à la dépendance à Internet

À l’aide de NBS, nous avons identifié deux réseaux présentant une corrélation significative entre la force des bords et les scores CIAS-R (p <0.05, corrigé FWE): un avec des bords positivement corrélés avec les scores CIAS-R («CIAS-R positif», indiqué en rouge), et un avec des bords négativement corrélés avec CIAS-R («CIAS-R négatif», illustré en bleu). Le réseau positif CIAS-R se compose d'un total de 65 nœuds et 90 arêtes (45 intrahémisphériques, 42 interhémisphériques et 3 se connectant au vermis), tandis que le réseau négatif se compose de 64 nœuds et 89 arêtes (35 intrahémisphérique, 40 interhémisphérique et 14 connexion au / dans le vermis). Il est important de noter que les deux réseaux ne sont pas complètement séparés et qu'ils partagent un total de 39 nœuds, dont 30.77% sont des régions du lobe frontal. Le nombre total de bords liés à CIAS-R est constitué de 2.68% de tous les bords du cerveau. Le réseau est illustré dans Figure Figure33 et des connexions spécifiques sont énumérées dans le matériel supplémentaire 2, tableau S1.

FIGURE 3  

Réseau de connexions en corrélation avec les scores CIAS-R. Les sphères grises représentent le centroïde de chaque nœud et sont mises à l'échelle en fonction du nombre d'arêtes significatives auxquelles ils sont associés. Seuls les nœuds avec des connexions sont affichés. Les lignes rouges représentent ...

Distribution globale des bords impliqués

Pour mieux comprendre comment ces connexions sont distribuées, nous avons suivi et et a classé chaque région AAL au sein de chaque réseau dans sept sous-groupes régionaux: gyri frontal, temporal, pariétal, occipital, insula et cingulaire, sous-cortical et cervelet. La majorité des arêtes du réseau positif CIAS-R impliquaient des connexions entre les régions temporales (1) et des glyi insula et cingulate (13%), dont la plupart impliquaient la connexion du gyrus cingulaire postérieur à diverses régions temporales; (2) régions frontales et temporales (12%), comprenant les connexions entre le cortex orbitofrontal médial, le lobule paracentral et le gyri du lobe temporal, pôle temporal; et (3) les régions pariétales et sous-corticales (∼11%), constituées de connexions entre le cortex postcentral et le lobule pariétal supérieur avec le putamen et le pallidum. Il est intéressant de noter que, à l'exception du lobe frontal, toutes les autres régions n'ont aucune connexion intrarégionale dont la force est positivement corrélée à la tendance à la dépendance à Internet. La majorité des arêtes du réseau négatif CIAS-R impliquaient des connexions (1) entre le lobe frontal et le cervelet (19%), la plupart d'entre elles étant des connexions entre les régions frontales orbitales et diverses ROI du cervelet; et (2) le gyri insula et cingulate et le lobe temporal (∼12%), qui comprend des connexions entre le gyri insula, cingulum, parahippocampal et lobe temporal. Aucune région occipitale n’a été trouvée dans le réseau négatif CIAS-R. La proportion de connexions interrégionales de chaque réseau est illustrée dans Figure Figure44.

FIGURE 4  

Proportion d'arêtes présentant une corrélation positive et négative avec la tendance à la dépendance à Internet entre des paires de sous-groupes régionaux. Les proportions ont été calculées en divisant le nombre d'arêtes entre (ou à l'intérieur de) paires de régions par le total ...

Nœuds maximalement affectés

En raison du grand nombre d'arêtes identifiées, nous avons suivi et a identifié des nœuds présentant une «somme d'arêtes corrélées CIAS-R» élevée afin de centrer notre analyse sur les régions où les connexions sont associées de manière optimale à la tendance à la dépendance à Internet. La somme des arêtes d'un nœud corrélées CIAS-R a été définie comme étant le nombre total de ses arêtes dans les réseaux positifs et négatifs CIAS-R (ce qui est conceptuellement équivalent à la mesure de degré en théorie des graphes). Cette méthode nous permettra d’identifier les nœuds où les connexions risquent le plus d’être altérées par la tendance à la dépendance à Internet. Le suivant lampe de table Table33 répertorie les nœuds qui sont affectés au maximum et affiche les nœuds ayant au moins une somme d'arêtes corrélées CIAS-R d'au moins 8. La visualisation des nœuds et de leurs connexions s’affiche en Figure Figure55. Ce sont également les nœuds sélectionnés pour la discussion.

Tableau 3  

Analyse au niveau des nœuds de la tendance à la dépendance à Internet.
FIGURE 5  

Visualisation des nœuds avec le plus grand nombre de bords liés à la tendance à la dépendance à Internet. Les sphères vertes représentent le centre de gravité de chaque nœud avec des arêtes maximales, tandis que les sphères jaunes décrivent leurs partenaires de connectivité fonctionnels. Les lignes rouges indiquent les bords ...

a lieu

Dans un groupe normal de jeunes adultes, nous avons évalué leur degré de dépendance à Internet à l'aide d'un questionnaire autoévalué (CIAS-R) et avons ensuite identifié deux réseaux cérébraux dont les connexions fonctionnelles étaient corrélées positivement et négativement avec la tendance à la dépendance à Internet. Dans ce qui suit, nous discutons de nos résultats à différentes échelles d’observation: (1), les régions cruciales reliant les réseaux CIAS-R positifs et CIAS-R négatifs, les régions (2) présentant une proportion élevée de connexions liées à la dépendance à l’internet, et (3). ) les nœuds critiques altérés par la tendance à la dépendance à Internet.

Les régions frontales relient les réseaux positifs CIAS-R et négatifs CIAS-R

Nous avons observé que la majorité des nœuds qui relient les deux réseaux (CIAS-R positif et CIAS-R négatif) sont situés dans le lobe frontal. Ces régions comprennent le gyrus frontal supérieur, l'IFG, le gyrus frontal médial, l'opercule rolandique et la région motrice supplémentaire. Le cortex préfrontal est considéré comme une structure essentielle du contrôle cognitif, de l’inhibition et de la sélection de la réponse (; ; ). La dépendance à Internet est un phénomène dans la mesure où les toxicomanes ont perdu le contrôle de soi et la prise de décision en matière d'utilisation d'Internet, ce qui se traduit par une surutilisation continue malgré la connaissance des effets négatifs. Par exemple, plusieurs études ont montré que les participants ayant une dépendance à Internet affichaient une plus grande activation fronto-striatale et fronto-pariétale au cours de la tâche Go / Nogo (; ; ) et la tâche Stroop (, , ), suggérant une inhibition de la réponse et une surveillance des erreurs plus faibles, et une impulsivité accrue. Mais d’autre part, les toxicomanes sur Internet et les joueurs de jeux vidéo affichent souvent d’excellentes performances des fonctions cognitives, telles que le contrôle moteur et la prise de décision efficace pendant les jeux. En effet, il a été démontré que les effets de jeu des jeux vidéo sur la pratique se généralisent à une variété de compétences exécutives améliorées, notamment des compétences de perception perceptuelle, motrice, attentionnelle et probabiliste (; ; ; ; ). Une étude par IRMf a révélé une réduction du recrutement du réseau fronto-pariétal dans les lecteurs de jeux vidéo par rapport aux non-joueurs lors d’une tâche de traitement de l’attention, reflétant éventuellement un contrôle plus efficace de l’exécutif et de l’attention (). Les deux visages du contrôle cognitif affichés par les accros à Internet posent un dilemme intéressant. Dans notre étude, l'observation des régions frontales reliant les deux réseaux où la connectivité fonctionnelle est diminuée et augmentée par la tendance à la dépendance à Internet pourrait refléter des altérations de la région frontale pour différents aspects du contrôle cognitif (par exemple, pour le contrôle de l'utilisation d'Internet et les compétences de jeu).. Il est à noter que même si l'hypothèse qu'il pourrait y avoir une connectivité fonctionnelle accrue associée aux effets de la pratique chez les toxicomanes Internet, seule une diminution de la connectivité fonctionnelle a été observée dans leur étude. Une possibilité proposée par en raison de l’absence de connectivité fonctionnelle accrue chez les personnes dépendantes d’Internet, c’est que la petite taille de leur échantillon entraînait un manque d’énergie. En utilisant une analyse basée sur les semences, qui nécessite moins de comparaisons multiples que les approches utilisant le cerveau entier, ont analysé à nouveau les données 2013 et ont observé une augmentation et une diminution de la connectivité fonctionnelle associée à la dépendance à Internet.

Les connexions largement distribuées des réseaux de tendance à la dépendance à Internet

Les données montrent un grand nombre de connexions inter- et intra-hémisphériques à la fois dans les réseaux CIAS-R positifs et CIAS-R négatifs, reflétant l'influence considérable de la tendance à la dépendance à Internet sur le cerveau. Nous avons observé que la proportion la plus élevée de connexions dans le réseau positif CIAS-R impliquait les bords «insula et cingulate - temporal», «frontal - temporal» et «sous-cortical - pariétal», alors que la plus grande proportion de connexions dans les connexions CIAS-R réseau négatif impliqué bords «frontal - cérébelleux» et «insula et cingulate - temporal» (Figure Figure44). Dans un modèle de dépendance proposé récemment (), le cervelet aide à maintenir l'homéostasie des quatre circuits interconnectés pertinents pour la dépendance: récompense / saillance, motivation / motivation, apprentissage / mémoire ainsi que contrôle cognitif. Ce modèle intègre le modèle à quatre circuits (, ) et les réseaux d’états de repos fonctionnels cérébelleux relatifs au traitement exécutif et associatif dans le cortex cérébral (). Les composants de récompense / saillance, motivation / motivation et apprentissage / mémoire sont amplifiés, tandis que le contrôle cognitif est diminué dans la dépendance. Voir Figure Figure66 pour une illustration. Nos observations des proportions de connectivité fonctionnelle les plus élevées des deux réseaux de tendance à la dépendance à Internet sont généralement compatibles avec modèle des composants critiques impliqués dans les circuits de dépendance. De même, nous n’avons pas observé beaucoup de connexions significatives comprenant le lobe occipital, résultats. Cependant, nous avons également trouvé une grande proportion d’arêtes «sous-corticales - pariétales» qui, bien que cela ne soit pas particulièrement mis en évidence dans le modèle à quatre circuits, ont été observées dans la littérature sur la dépendance à Internet (par exemple, ; , ), ce qui pourrait être dû à un effet de pratique lié à l’utilisation d’Internet.

FIGURE 6  

Un modèle de dépendance mettant en évidence le rôle modulateur du cervelet des quatre principaux réseaux cérébraux proposés comme étant affectés par la dépendance (adapté de ). Ces circuits comprennent récompense / mise en relief, motivation / motivation, apprentissage / mémoire, ...

Nœuds critiques modifiés par la tendance à la dépendance à Internet

Nous avons identifié les nœuds avec le plus de connexions sont liées au maximum à la tendance à la dépendance à Internet. Ces nœuds sont ceux dont le type de connexion entre le nœud lui-même et d'autres régions du cerveau est le plus susceptible d'être altéré par la tendance à la dépendance à Internet. Les régions sont spécifiquement le gyrus bilatéral cingulaire postérieur, l'insula droite, le gyrus temporal moyen droit, le pôle temporal supérieur gauche, le putamen droit et la partie orbitale de l'IFG gauche (Figure Figure55). Ces régions ont été impliquées en tant que régions clés dans de nombreuses études (Internet) sur la toxicomanie et certaines ont déjà été mentionnées dans la section précédente. Nous discutons maintenant de la littérature sur la dépendance mettant en évidence ces régions plus en détail. Le PCC, qui fait partie du réseau en mode par défaut et est impliqué dans divers aspects de l’autotraitement (; ), a servi de région de semences dans étude, qui a montré une connectivité fonctionnelle considérablement accrue avec le lobe postérieur du cervelet bilatéral et le gyrus temporal moyen, tandis que le lobule pariétal inférieur bilatéral et le gyrus temporal inférieur droit ont diminué chez les toxicomanes du jeu sur Internet. On a également constaté que les toxicomanes sur Internet présentaient une anisotropie fractionnelle anormale () et la densité de la matière grise () dans le PCC. a choisi l’insula, impliquée dans la toxicomanie (; ), en tant que région d'origine et a trouvé une connectivité fonctionnelle altérée avec un réseau de régions chez les accros à Internet. Le rôle de l'insula dans la toxicomanie a été suggéré pour l'intégration de signaux interoceptifs dans des sentiments conscients (pulsions médicamenteuses) et un comportement biaisé lors de la prise de décision (). Le gyrus temporal moyen et le pôle temporal supérieur ont été observés dans certaines études de toxicomanie sur Internet (voir pour une méta-analyse), et ont été associés à la soif de jeux, au traitement sémantique, au désincarnation, à la mémoire de travail et au traitement des émotions; Cependant, leurs rôles spécifiques dans la dépendance nécessitent des investigations supplémentaires. Le putamen, qui fait partie du striatum dorsal, est également une région critique suggérée par de nombreuses recherches sur la toxicomanie (par exemple, ; ; ), dans laquelle la neurotransmission concomitante de la dopamine est impliquée dans le développement de la recherche compulsive de drogue et de l’état de manque (; ). De plus, des recherches suggèrent que le dysfonctionnement du circuit striato-thalamo-orbitofrontal est une cause cruciale de dépendance, alors que le striatum dorsal impliqué dans l’apprentissage des habitudes et l’état de manque, le cortex orbitofrontal est impliqué dans la saillance, la motivation et la compulsivité (; ; ; ). Le fonctionnement anormal du cortex orbitofrontal pourrait expliquer le dysfonctionnement comportemental de la dépendance. Pour résumer ce qui précède, les nœuds que nous avons identifiés sont les concentrateurs les plus susceptibles d’être altérés par la tendance à la dépendance à Internet, et ils ont été identifiés à plusieurs reprises dans la littérature existante.

Limitation

Comme l’a souligné l’un de nos réviseurs, la question de la régression globale du signal dans l’IRMf à l’état de repos n’a toujours pas été réglée. Après avoir réanalysé les données actuelles sans régression globale du signal, nos résultats se sont révélés très différents de ceux de notre analyse initiale et seuls X% des arêtes trouvées dans les analyses NBS sans régression globale du signal chevauchaient celles de nos résultats actuels. Sans régression globale du signal, nous n'avons pas trouvé suffisamment de connexions fonctionnelles qui étaient positivement liées aux scores CIAS-R; Cependant, nous avons trouvé un réseau comprenant des connexions fonctionnelles négativement corrélées aux scores CIAS-R. Lorsque nous identifions les nœuds avec le plus de connexions avec une tendance maximale à la dépendance à Internet, nous trouvons une cohérence avec l’analyse de régression globale du signal en ce que les domaines cingulate, insula, temporal et frontal sont les plus impliqués. Cependant, plusieurs différences incluent la découverte supplémentaire de zones motrices supplémentaires bilatérales et de gyrus à angle droit montrant une connectivité fonctionnelle réduite, et le réseau identifié ne comportait pas autant de régions sous-corticales. Bien que la régression globale des signaux reste controversée, nous avons décidé de faire état des deux résultats. Les détails du réseau identifié sans régression globale du signal sont documentés dans le document complémentaire 22.91. Espérons que les travaux futurs sur le prétraitement des images permettront de mieux comprendre le résultat. Pour le moment, nous suggérons d’interpréter les résultats actuels en tenant compte de ces avertissements.

Conclusion

En utilisant une approche basée sur les données, nous avons montré que les statistiques basées sur le réseau sont un outil utile pour caractériser la connectivité du cerveau entier affectée par la tendance à la dépendance à Internet, en identifiant les connexions et les régions critiques qui font écho aux études précédentes. Comparée aux analyses de semences, cette approche basée sur le cerveau complet fournit une analyse plus complète des connexions cérébrales liées à la dépendance à Internet, explorant un total de connexions 6670. Nous avons en outre montré que de nombreuses connexions fonctionnelles et régions cérébrales critiques dans les cas cliniques de dépendance se trouvaient également associées à des tendances précliniques indexées par des mesures de questionnaire comportemental. Bien que nous utilisions une approche corrélationnelle, nous ne pouvons pas savoir avec certitude si ces réseaux sont altérés du fait de l’utilisation d’Internet ou s’ils sont caractéristiques de personnes prédisposées à un risque accru de développer une dépendance à Internet. Cette recherche fournit des informations utiles pour nous aider à comprendre le fonctionnement neural. caractéristiques sous-jacentes de la dépendance et de son développement.

Contributions d'auteur

TW a effectué l'expérience, analysé les données, interprété les résultats, rédigé et révisé le manuscrit. SH a conçu l'expérience, rédigé la proposition de subvention, dirigé la préparation et l'exécution de l'expérience, aidé à l'interprétation des données, à la préparation et à la révision du manuscrit.

Déclaration de conflit d'intérêts

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

Remerciements

Les auteurs remercient Yun-Ting Lee pour son aide dans la collecte de données et le professeur Po-Hsien Huang pour ses consultations statistiques. L'étude a été financée par le ministère de la Science et de la Technologie (MOST), Taiwan (MOST 102-2420-H-006-006-MY2 et MOST 104-2420-006-004-MY2). En outre, cette recherche a été financée en partie par le ministère de l'Éducation (MoE), Taiwan, ROC. Le projet «Objectif pour la meilleure université» de l'Université nationale Cheng Kung (NCKU). Nous remercions le Centre de recherche et d'imagerie mentale (MRIC), soutenu par MOST, à NCKU pour la consultation et la disponibilité des instruments. Le questionnaire CIAS-R a été fourni par Sue-Huei Chen.

Bibliographie

  • Association américaine de psychiatrie [APA] (2013). Manuel diagnostique et statistique des troubles mentaux (DSM-5®). Arlington, VA: American Psychiatric Pub.
  • Aron AR, Robbins TW, Poldrack RA (2004). Inhibition et cortex frontal inférieur droit. Trends Cogn. Sci. 8 170 – 177. 10.1016 / j.tics.2004.02.010 [PubMed] [Croix Ref]
  • Bavelier D., Achtman RL, Mani M., Focker J. (2012). Bases neuronales de l'attention sélective chez les joueurs de jeux vidéo d'action. Vis. Res. 61 132 – 143. 10.1016 / j.visres.2011.08.007 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Biswal BB, Mennes M., Zuo XN, S. Gohel, Kelly C., Smith SM et autres. (2010). Vers la découverte scientifique du fonctionnement du cerveau humain. Proc. Natl. Acad. Sci. Etats-Unis 107 4734 – 4739. 10.1073 / pnas.0911855107 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Marque M., Young KS, Laier C. (2014) .Contrôle préfrontal et dépendance à Internet: modèle théorique et revue des résultats de neuropsychologie et de neuroimagerie. De face. Fredonner. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Le réseau par défaut du cerveau - Anatomie, fonction et pertinence par rapport à la maladie. Année Cogn. Neurosci. 2008 1 – 38. 10.1196 / annals.1440.011 [PubMed] [Croix Ref]
  • Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). L'organisation du cervelet humain estimée par la connectivité fonctionnelle intrinsèque. J. Neurophysiol. 106 2322 – 2345. 10.1152 / jn.00339.2011 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Castel AD, J. Pratt, E. Drummond (2005). Les effets de l'expérience du jeu vidéo d'action sur l'évolution temporelle de l'inhibition du retour et l'efficacité de la recherche visuelle. Acta Psychol. 119 217 – 230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Croix Ref]
  • Chen CY, Huang MF, Yen JY, CS Chen, Liu GC, Yen CF, et al. (2015). Corrélats cérébraux de l'inhibition de la réponse dans le trouble du jeu sur Internet. Psychiatrie Clin. Neurosci. 69 201 – 209. 10.1111 / pcn.12224 [PubMed] [Croix Ref]
  • Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Développement d'une échelle de dépendance à Internet chinoise et de son étude psychométrique. Menton. J. Psychol. 45 251 – 266. 10.1371 / journal.pone.0098312 [Croix Ref]
  • Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., et al. (2013). Imagerie des connectomes humains à l'échelle macroscopique. Nat. Les méthodes 10 524 – 539. 10.1038 / Nmeth.2482 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG et al. (2014). L'impulsivité des traits et la fonction inhibitrice des impulsions préfrontales avec facultés affaiblies chez les adolescents présentant une dépendance au jeu sur Internet révélée par une étude IRM fongique "Pas / Pas". Comportement Fonction cérébrale 10:20 10.1186/1744-9081-10-20 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR et al. (2013). Modification de la connectivité fonctionnelle à l'état de repos du réseau par défaut chez les adolescents souffrant de dépendance au jeu sur Internet. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Contrôle inhibiteur altéré dans «trouble de la dépendance à Internet»: une étude d'imagerie par résonance magnétique fonctionnelle. Psychiatry Res. Neuroimagerie 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong GH, DeVito E., Huang J., Du XX (2012b). L'imagerie par tenseur de diffusion révèle des anomalies du thalamus et du cortex cingulaire postérieur chez les accros au jeu sur Internet. J. Psychiatr. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Le lien fonctionnel déséquilibré entre le réseau de contrôle exécutif et le réseau de récompenses explique les comportements de recherche de jeux en ligne dans les troubles du jeu sur Internet. Sci. représentant 5: 9197 10.1038 / Srep09197 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong GH, Lin X., MN Potenza (2015b). La diminution de la connectivité fonctionnelle dans un réseau de contrôle exécutif est liée à une altération de la fonction exécutive dans les troubles du jeu sur Internet. Programme. Neuro-Psychopharmacol. Biol. Psychiatrie 57 76 – 85. 10.1016 / j.pnpbp.2014.10.012 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Dong GH, Lin X., Zhou HL, Lu QL (2014). Flexibilité cognitive chez les toxicomanes sur Internet: données probantes IRMf provenant de situations de commutation difficiles à faciles et faciles à difficiles. Toxicomane. Comportement 39 677 – 683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Croix Ref]
  • Dong GH, Shen Y., Huang J., Du XX (2013). Fonction de surveillance des erreurs altérée chez les personnes atteintes de trouble de la dépendance à Internet: une étude IRMf événementielle. EUR. Toxicomane. Res. 19 269 – 275. 10.1159 / 000346783 [PubMed] [Croix Ref]
  • Droutman V., Lire SJ, Bechara A. (2015). Revisiter le rôle de l'insula dans la dépendance. Trends Cogn. Sci. 19 414 – 420. 10.1016 / j.tics.2015.05.005 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Colorant MWG, CS vert, Bavelier D. (2009). Augmentation de la vitesse de traitement avec les jeux vidéo d'action. Curr. Dir. Psychol. Sci. 18 321 – 326. 10.1111 / j.1467-8721.2009.01660.x [Article gratuit PMC] [PubMed] [Croix Ref]
  • Finn ES, Shen X., Holahan JM, D. Scheinost, C. Lacadie, Papademetris X., et al. (2014). Perturbation des réseaux fonctionnels dans la dyslexie: analyse de la connectivité basée sur des données complètes et sur le cerveau. Biol. Psychiatrie 76 397 – 404. 10.1016 / j.biopsych.2013.08.031 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Fornito A., Bullmore ET (2015). Connectomics: un nouveau paradigme pour comprendre les maladies du cerveau. EUR. Neuropsychopharmacol. 25 733 – 748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Croix Ref]
  • Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Perturbations de la connectivité fonctionnelle générale et spécifique dans la schizophrénie au cours du premier épisode pendant la performance du contrôle cognitif Biol. Psychiatrie 70 64 – 72. 10.1016 / j.biopsych.2011.02.019 [Article gratuit PMC] [PubMed] [Croix Ref]
  • BU Forstmann, van den Wildenberg WPM, Ridderinkhof KR (2008). Mécanismes neuronaux, dynamique temporelle et différences individuelles dans le contrôle des interférences. J. Cogn. Neurosci. 20 1854 – 1865. 10.1162 / jocn.2008.20122 [PubMed] [Croix Ref]
  • Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Le signal global et les réseaux cérébraux à l'état de repos anticorrélés observés. J. Neurophysiol. 101 3270 – 3283. 10.1152 / jn.90777.2008 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Fransson P., Marrelec G. (2008). Le cortex cingulaire postunus / postérieur joue un rôle essentiel dans le réseau en mode par défaut: il résulte d'une analyse de réseau par corrélation partielle. Neuroimage 42 1178 – 1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Croix Ref]
  • Goldstein RZ, ND de Volkow (2011). Dysfonctionnement du cortex préfrontal dans la toxicomanie: résultats de la neuroimagerie et implications cliniques. Nat. Rev Neurosci. 12 652 – 669. 10.1038 / nrn3119 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Green CS, Bavelier D. (2003). Le jeu vidéo d'action modifie l'attention visuelle sélective. Nature 423 534 – 537. 10.1038 / nature01647 [PubMed] [Croix Ref]
  • Green CS, Pouget A., Bavelier D. (2010). Amélioration de l'inférence probabiliste en tant que mécanisme d'apprentissage général avec les jeux vidéo d'action. Curr. Biol. 20 1573 – 1579. 10.1016 / j.cub.2010.07.040 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Green CS, MA Sugarman, Medford K., E. Klobusicky, D. Bavelier (2012). L'effet de l'expérience du jeu vidéo d'action sur le changement de tâche. Comput. Fredonner. Comportement 28 984 – 994. 10.1016 / j.chb.2011.12.020 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Griffiths MD, Pontes HM (2014). Le trouble de la dépendance à Internet et le trouble du jeu sur Internet ne sont pas les mêmes. J. Addict. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Croix Ref]
  • Han CE, Yoo SW, SEO SW, Na DL, Seong JK (2013). Statistiques basées sur les grappes pour la connectivité cérébrale en corrélation avec des mesures comportementales. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Han DH, Kim YS, Lee YS, KJ Min, PF Renshaw (2010). Changements dans l'activité du cortex préfrontal induite par les signaux avec le jeu vidéo. Cyberpsychol. Comportement Soc. Netw. 13 655 – 661. 10.1089 / cyber.2009.0327 [PubMed] [Croix Ref]
  • Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Différences entre les sexes dans le système mésocorticolimbique pendant le jeu sur ordinateur. J. Psychiatr. Res. 42 253 – 258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Croix Ref]
  • Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH, et al. (2015). Une implication sélective de la connectivité fonctionnelle du putamen chez les jeunes ayant un trouble du jeu sur Internet. Cerveau Res. 1602 85 – 95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Croix Ref]
  • Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH et al. (2013). Diminution de la connectivité cérébrale fonctionnelle chez les adolescents ayant une dépendance à Internet. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., et al. (2014). L'utilisation d'Internet problématique et les jeux en ligne problématiques ne sont pas les mêmes: résultats d'un large échantillon d'adolescents représentatif du pays. Cyberpsychol. Comportement Soc. Netw. 17 749 – 754. 10.1089 / cyber.2014.0475 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY et al. (2014). Activation cérébrale altérée lors de l'inhibition de la réponse et du traitement des erreurs chez les sujets présentant un trouble du jeu sur Internet: étude d'imagerie magnétique fonctionnelle. EUR. Cambre. Clinique de psychiatrie Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Croix Ref]
  • Ko CH, Hsieh TJ, Wang PW, Lin WC, CF Yen, Chen CS et al. (2015). Densité de la matière grise altérée et perturbation de la connectivité fonctionnelle de l'amygdale chez les adultes souffrant de troubles du jeu sur Internet. Programme. Neuro-Psychopharmacol. Biol. Psychiatrie 57 185 – 192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Croix Ref]
  • Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC et al. (2009). Les activités cérébrales associées à la tentation de la dépendance aux jeux en ligne. J. Psychiatr. Res. 43 739 – 747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Croix Ref]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Le cerveau est en corrélation avec une soif de jeux en ligne peu exposée chez les sujets ayant une dépendance au jeu sur Internet et chez les sujets réprimés. Toxicomane. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Croix Ref]
  • Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Dépistage de la dépendance à Internet: étude empirique sur les points limites de l’échelle de dépendance à Internet de chen. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Croix Ref]
  • Kong X.- Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L. et al. (2014). Les différences individuelles d'impulsivité prédisent le mouvement de la tête pendant l'imagerie par résonance magnétique. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Koob GF, ND Volkow (2010). Neurocircuitry de la dépendance. Neuropsychopharmacology 35 217 – 238. 10.1038 / npp.2009.110 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Kühn S., Gallinat J. (2015). Brains Online: corrélats structurels et fonctionnels de l'utilisation habituelle d'Internet. Toxicomane. Biol. 20 415 – 422. 10.1111 / adb.12128 [PubMed] [Croix Ref]
  • DJ Kuss, MD Griffiths (2012). Dépendance au jeu sur Internet: revue systématique de recherches empiriques. Int. J. toxicomane de la santé mentale. 10 278–296. 10.1007/s11469-011-9318-5 [Croix Ref]
  • Li BJ, Friston KJ, Liu J., Liu Y., GP Zhang, Cao FL, et al. (2014). Connectivité altérée des noyaux gris centraux chez les adolescents ayant une dépendance à Internet. Sci. représentant 4: 5027 10.1038 / Srep05027 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF et al. (2015). Structures cérébrales et connectivité fonctionnelle associées aux différences individuelles de la tendance Internet chez les jeunes adultes en bonne santé. Neuropsychologia 70 134 – 144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Croix Ref]
  • Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, et al. (2015). Circuits fonctionnels corticostriataux aberrants chez les adolescents présentant un trouble de dépendance à Internet. De face. Fredonner. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Député de Lin, Ko HC, Wu JYW (2011). Prévalence et facteurs de risque psychosociaux associés à la dépendance à Internet dans un échantillon représentatif d’étudiants à l’échelle nationale à Taiwan. Cyberpsychol. Comportement Soci. Netw. 14 741 – 746. 10.1089 / cyber.2010.0574 [PubMed] [Croix Ref]
  • RC Lorenz, Kruger JK, Neumann B., Schott BH, C. Kaufmann, Heinz A. et al. (2013). La réactivité de la queue et son inhibition chez les joueurs de jeux informatiques pathologiques. Toxicomane. Biol. 18 134 – 146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Croix Ref]
  • YJ Meng, Deng W., Wang HY, Guo WJ, Li T. (2015). Le dysfonctionnement préfrontal chez les personnes atteintes de trouble du jeu sur Internet: une méta-analyse d'études d'imagerie par résonance magnétique fonctionnelle. Toxicomane. Biol. 20 799 – 808. 10.1111 / adb.12154 [PubMed] [Croix Ref]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Le cervelet et la dépendance: informations tirées de la recherche en neuroimagerie. Toxicomane. Biol. 19 317 – 331. 10.1111 / adb.12101 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Naqvi NH, Bechara A. (2009). L'île cachée de la dépendance: l'insula. Tendances Neurosci. 32 56 – 67. 10.1016 / j.tins.2008.09.009 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Nichols TE, Holmes AP (2002). Tests de permutation non paramétriques pour la neuroimagerie fonctionnelle: une amorce avec des exemples. Fredonner. Cerveau Mapp. 15 1 – 25. 10.1002 / hbm.1058 [PubMed] [Croix Ref]
  • OReilly M. (1996). Dépendance à Internet: un nouveau trouble entre dans le lexique médical. Pouvez. Med. Associé J. 154 1882 – 1883. [Article gratuit PMC] [PubMed]
  • Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Le cerveau accro au jeu sur Internet est-il sur le point de se trouver dans un état pathologique? Toxicomane. Biol. [Epub ahead of print] .10.1111 / adb.12282 [PubMed] [Croix Ref]
  • Petry NM, O'Brien CP (2013). Trouble du jeu sur Internet et le DSM-5. Dépendance 108 1186 – 1187. 10.1111 / add.12162 [PubMed] [Croix Ref]
  • Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T., et al. (2014). Un consensus international pour évaluer les troubles du jeu sur Internet à l'aide de la nouvelle approche DSM-5. Dépendance 109 1399 – 1406. 10.1111 / add.12457 [PubMed] [Croix Ref]
  • Rorden C., Karnath HO, Bonilha L. (2007). Améliorer la cartographie des lésions et des symptômes. J. Cogn. Neurosci. 19 1081 – 1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Croix Ref]
  • Saad ZS, SJ Gotts, Murphy K., Chen G., Jo HJ, Martin A. et al. (2012). Problème au repos: comment les schémas de corrélation et les différences de groupe se déforment après la régression globale du signal. Brain Connect. 2 25 – 32. 10.1089 / brain.2012.0080 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Song XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, et al. (2011). REST: une boîte à outils pour le traitement de données d'imagerie par résonance magnétique fonctionnelle à l'état de repos. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Stanley ML, MN Moussa, BM Paolini, RG Lyday, JH Burdette, PJ Laurienti (2013). Définir des nœuds dans des réseaux cérébraux complexes. De face. Comput. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [Article gratuit PMC] [PubMed] [Croix Ref]
  • YJ Sun, Ying H., RM Seetohul, Wang XM, Ya Z., Qian L., et al. (2012). Etude par IRMf du cerveau du besoin imposé par des images de repère chez des accros au jeu en ligne (adolescents adolescents) Behav. Cerveau Res. 233 563 – 576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Croix Ref]
  • Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y. et al. (2014). Association entre la connectivité fonctionnelle à l'état de repos et l'empathie / systématisation. Neuroimage 99 312 – 322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Croix Ref]
  • Talati A., Hirsch J. (2005). Spécialisation fonctionnelle au sein du gyrus frontal médial pour prendre des décisions perceptuelles en fonction de «quoi», «quand» et «où»: informations connexes: étude IRMf J. Cogn. Neurosci. 17 981 – 993. 10.1162 / 0898929054475226 [PubMed] [Croix Ref]
  • Tzourio-Mazoyer N., B. Landeau, D. Papathanassiou, F. Crivello, Etard O., Delcroix N., et al. (2002). Marquage anatomique automatisé des activations dans SPM à l'aide d'une parcellation anatomique macroscopique du cerveau d'un sujet de l'IRM de l'INM. Neuroimage 15 273 – 289. 10.1006 / nimg.2001.0978 [PubMed] [Croix Ref]
  • MP van den Heuvel, Pol HEH (2010). Exploration du réseau cérébral: examen de la connectivité fonctionnelle IRMf à l'état de repos. EUR. Neuropsychopharmacol. 20 519 – 534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Croix Ref]
  • ND de Volkow, Fowler JS (2000). Dépendance, une maladie de compulsion et d'entraînement: implication du cortex orbitofrontal. Cereb. Cortex 10 318 – 325. 10.1093 / cercor / 10.3.318 [PubMed] [Croix Ref]
  • ND de Volkow, Fowler JS, Wang GJ (2003). Le cerveau humain dépendant: informations tirées d'études en imagerie. J. Clin. Enquête 111 1444 – 1451. 10.1172 / Jci200318533 [Article gratuit PMC] [PubMed] [Croix Ref]
  • ND de Volkow, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Dépendance: diminution de la sensibilité aux récompenses et augmentation de la sensibilité aux attentes contribuent à submerger le circuit de contrôle du cerveau. Bioessays 32 748 – 755. 10.1002 / bies.201000042 [Article gratuit PMC] [PubMed] [Croix Ref]
  • ND Volkow, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, et al. (2006). Indices de la cocaïne et dopamine dans le striatum dorsal: mécanisme du besoin impérieux de dépendance à la cocaïne. J. Neurosci. 26 6583 – 6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Croix Ref]
  • Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, et al. (2015). Diminution de la connectivité fonctionnelle interhémisphérique du lobe préfrontal chez les adolescents atteints de trouble du jeu sur Internet: étude primaire utilisant une IRMf à l'état de repos. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., et al. (2014). Réseau fonctionnel cérébral perturbé dans le trouble de la dépendance à Internet: étude d'imagerie par résonance magnétique fonctionnelle à l'état de repos. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Weissenbacher A., ​​Kasess C., Gerstl F., R. Lanzenberger, Moser E., Windischberger C. (2009). Corrélations et anticorrélations de la IRM en connectivité fonctionnelle à l'état de repos: comparaison quantitative des stratégies de prétraitement. Neuroimage 47 1408 – 1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Croix Ref]
  • Xia M., Wang J., He Y. (2013). BrainNet Viewer: un outil de visualisation de réseau pour la connectomique du cerveau humain. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Yan C., Zang Y. (2010). DPARSF: une boîte à outils MATLAB pour l'analyse de données «en pipeline» de l'IRMf à l'état de repos. De face. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Yarkoni T., RA Poldrack, TE Nichols, DC Van Essen, Wager TD (2011). Synthèse automatisée à grande échelle de données de neuroimagerie fonctionnelle humaine. Nat. Les méthodes 8 665 – 670. 10.1038 / nmeth.1635 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Yeo BTT, Krienen FM, J. Sepulcre, MR Sabuncu, D. Lashkari, M. Hollinshead, et al. (2011). Organisation du cortex cérébral humain estimée par la connectivité fonctionnelle intrinsèque. J. Neurophysiol. 106 1125 – 1165. 10.1152 / jn.00338.2011 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Jeune KS (1998). Dépendance à Internet: l'émergence d'un nouveau trouble clinique. CyberPsychol. Comportement 1 237–244. 10.1007/s10899-011-9287-4 [Croix Ref]
  • Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C. et al. (2015). Interactions entre les réseaux cérébraux centraux et le contrôle cognitif chez les personnes souffrant de troubles du jeu sur Internet à la fin de l'adolescence ou au début de l'âge adulte. Structure du cerveau Funct. [Publication en attente d'impression] .10.1007 / s00429-014-0982-7 [PubMed] [Croix Ref]
  • Zalesky A., Fornito A., Bullmore ET (2010a). Statistique basée sur le réseau: identifier les différences entre les réseaux de cerveaux. Neuroimage 53 1197 – 1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Croix Ref]
  • Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C. et al. (2010b). Réseaux anatomiques cerveau entier: le choix des nœuds est-il important? Neuroimage 50 970 – 983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Croix Ref]
  • Zhang JT, Yao YW, RSC Li, Zang YF, Shen ZJ, Liu L. et al. (2015). Modification de la connectivité fonctionnelle de l'insula au repos de l'insula chez les jeunes adultes présentant un trouble du jeu sur Internet. Toxicomane. Biol. [Epub ahead of print] .10.1111 / adb.12247 [Article gratuit PMC] [PubMed] [Croix Ref]
  • Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. (2011). Anomalies de la matière grise dans la dépendance à Internet: une étude de morphométrie à base de voxels. EUR. J. Radiol. 79 92 – 95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Croix Ref]