Comportement du cerveau. 2019 Jan 31: e01218. doi: 10.1002 / brb3.1218.
Wang H1, Sun Y1, Lv J1, Bo S1.
Abstract
OBJECTIFS:
La dépendance à Internet (IA) a été associée à de nombreuses altérations du cerveau. Les résultats de la connectivité fonctionnelle (FC) et de l'analyse de réseau liés à l'analyse d'impact sont incohérents entre les études et la manière dont les concentrateurs de réseau changent n'est pas connue. Le but de cette étude était d’évaluer les réseaux fonctionnels et topologiques à l’aide d’une analyse impartiale des arbres recouvrants minimaux (MST) sans biais sur les données d’électroencéphalographie (EEG) de l’IA et de collégiens en bonne santé.
METHODES:
Dans cette étude, le test de dépendance à Internet de Young a été utilisé comme mesure de gravité de l'IA. Les enregistrements EEG ont été obtenus chez les participants IA (n = 30) et HC (n = 30), appariés pour l'âge et le sexe, pendant le repos. L'indice de retard de phase (PLI) et le MST ont été appliqués pour analyser la topologie FC et réseau. Nous nous attendions à obtenir des preuves d'altérations sous-jacentes dans les réseaux fonctionnels et topologiques liés à l'IA.
RÉSULTATS:
Les participants IA ont montré un delta FC plus élevé entre les zones frontales et pariéto-occipitales du côté gauche par rapport au groupe HC (p <0.001), les mesures globales de MST ont révélé un réseau plus étoilé chez les participants IA dans les bandes alpha et bêta supérieures, et le la région cérébrale occipitale était relativement moins importante dans l'IA par rapport au groupe HC dans la bande inférieure. Les résultats de corrélation étaient cohérents avec les résultats du MST: une gravité IA plus élevée corrélée avec un degré Max et un kappa plus élevés, et une excentricité et un diamètre inférieurs.
CONCLUSIONS:
Les réseaux fonctionnels du groupe IA étaient caractérisés par une FC accrue, une organisation plus aléatoire et une diminution de l'importance fonctionnelle relative de la zone de traitement visuel. Pris ensemble, ces altérations peuvent nous aider à comprendre l'influence de l'AI sur le mécanisme cérébral.
MOTS-CLÉS: EEG; connectivité fonctionnelle; addiction à Internet; Spanning Tree minimum; indice de retard de phase
PMID: 30706671
DOI: 10.1002 / brb3.1218
;