Rede funcional funcional do cerebro alterada no trastorno de adicción a Internet: un estudo de imaxe funcional por resonancia magnética funcional (2014)

Chong-Yaw Wee contribuínte igualitario, Zhimin Zhao contribuínte igualitario Pew-Thian Yap, Guorong Wu, Feng Shi, Prezo verdadeiro, Yasong Du, Jianrong Xu, Yan Zhou correo, Correo Dinggang Shen

Publicado: 16 setembro, 2014

DOI: 10.1371 / journal.pone.0107306

Abstracto

O trastorno por adicción a Internet (IAD) é cada vez máis recoñecido como un trastorno de saúde mental, particularmente entre os adolescentes. A patoxénese asociada a IAD, con todo, non está clara. Neste estudo, pretendemos explorar as características funcionais encefálicas dos adolescentes IAD en repouso usando datos de resonancia magnética funcional. Adoptamos un enfoque teórico-gráfico para investigar posibles perturbacións da conectividade funcional en termos de propiedades da rede, incluíndo pequeno mundo, eficiencia e centralidade nodal en adolescentes 17 con controis saudables demoderados socio-demográficos IAD e 16. Realizáronse probas paramétricas corrixidas por velocidade de descubrimento falsas para avaliar a importancia estatística das diferenzas topolóxicas de rede a nivel de grupo. Ademais, realizouse unha análise de correlación para avaliar as relacións entre a conectividade funcional e as medidas clínicas no grupo IAD. Os nosos resultados demostran que existe unha interrupción significativa no conectoma funcional dos pacientes con IAD, particularmente entre as rexións situadas nos lóbulos frontal, occipital e parietal. As conexións afectadas son conexións de longo alcance e entre hemisféricas. Aínda que se observan alteracións importantes para a métrica nodal rexional, non hai diferenza na topoloxía global da rede entre IAD e grupos saudables. Ademais, a análise de correlación demostra que as anomalías rexionais observadas están correlacionadas coa gravidade do IAD e as avaliacións clínicas do comportamento. Os nosos resultados, que son relativamente consistentes entre atlas definidos anatómicamente e funcionalmente, suxiren que IAD provoca interrupcións da conectividade funcional e, importante, que tales interrupcións poidan estar vinculadas a problemas de comportamento.

figuras

Cita: Wee CY, Zhao Z, Yap PT, Wu G, Shi F, et al. (2014) Rede funcional do cerebro perturbado no trastorno da adicción a Internet: estudo de imaxe por resonancia magnética funcional en estado de repouso. PLOS ONE 9 (9): e107306. doi: 10.1371 / journal.pone.0107306

Editor: Satoru Hayasaka, Wake Forest School of Medicine, Estados Unidos

Recibido: Xaneiro 20, 2014; Aceptada: Agosto 11, 2014; Publicado en: Setembro 16, 2014

Copyright: © 2014 Wee et al. Este é un artigo de acceso aberto distribuído baixo os termos do documento Licenza de recoñecemento de Creative Commons, que permite o uso, distribución e reprodución sen restricións en calquera medio, sempre que o autor e a orixe orixinais se acrediten.

Financiamento: Este traballo foi apoiado en parte polas subvencións dos Institutos Nacionais de Saúde (NIH) EB006733, EB008374, EB009634, AG041721 e CA140413, así como a Fundación Nacional de Ciencias Naturais de China (81171325) e o Programa Nacional de I + D de Tecnoloxía Clave 2007BAI17B03. Os financiadores non tiveron ningún papel no deseño do estudo, recollida e análise de datos, decisión de publicar ou preparación do manuscrito.

Intereses competidores: Os autores declararon que non existen intereses en competencia.

introdución

Informouse de que o uso excesivo de internet pode provocar alteracións de características socio-condutuais similares ás atopadas nas adiccións a substancias e no xogo patolóxico. [1], [2]. Coa crecente cantidade de usuarios de internet nas últimas décadas, este problema foi considerado como un grave problema de saúde pública [3]. As adiccións a internet e as adiccións relacionadas coa computadora en xeral parecen ser un fenómeno moi estendido, que afecta a millóns de individuos nos Estados Unidos e no estranxeiro, e as maiores taxas de incidencia se producen entre adolescentes e estudantes universitarios en rexións en desenvolvemento de Asia. [3]-[7]. O efecto da sobreexposición a internet durante a idade adulta é de especial importancia clínica e social, xa que a adolescencia é un período de cambios significativos na neurobioloxía relacionada coa toma de decisións. [8] e, polo tanto, presenta unha maior susceptibilidade a trastornos afectivos e adicción [9]-[11]. Dende o traballo seminal de Young [2]A adicción a internet atraeu a atención de sociólogos, psicólogos, psiquiatras e educadores.

Describíronse as características clínicas de problemas de comportamento relacionados co uso de internet baixo varios criterios de diagnóstico, incluído o trastorno por adicción a internet (IAD). [12], uso patolóxico de internet [13]e uso problemático de internet [14]. O IAD foi clasificado como un trastorno de control de impulsos, xa que implica un uso inadecuado de internet sen ningún intoxicante, similar ao xogo patolóxico. O IAD manifesta características similares doutras adiccións, incluído o desenvolvemento de dificultades académicas, financeiras e laborais como resultado de comportamentos e problemas adictivos no desenvolvemento e mantemento de relacións persoais e familiares. As persoas que padecen IAD pasarán máis tempo na soidade, o que á súa vez afecta o seu normal funcionamento social. No peor dos casos, os pacientes poden experimentar molestias físicas ou problemas médicos como síndrome do túnel carpiano, ollos secos, dores de cabeza, dores de cabeza graves, irregularidades no comer e sono perturbado [15], [16]. Ademais, os pacientes a miúdo son resistentes ao tratamento do IAD e teñen unha alta taxa de recaída [17]e moitos deles tamén padecen outras adiccións, como a adicción a drogas, alcol, xogos de azar ou sexo [18].

Aínda que o IAD aínda non está considerado como unha adicción ou trastorno mental no DSM-5 [19], hai amplos estudos, baseados principalmente en cuestionarios psicolóxicos autorreformados, que mostran consecuencias negativas na vida diaria en termos de compoñentes do comportamento, factores psicosociais, manexo de síntomas, comorbilidade psiquiátrica, diagnóstico clínico e resultado do tratamento. [6], [20]-[23]. Ademais destas análises baseadas no comportamento, recentemente aplicáronse técnicas de neuroimaginación para explorar o efecto do uso excesivo de internet sobre as características estruturais e funcionais do cerebro humano. [7], [24]-[29]. A imaxe de resonancia magnética funcional en estado de repouso (R-fMRI), unha efectiva in vivo Ferramenta para investigar as actividades neuronais do cerebro, empregouse previamente para identificar posibles interrupcións das características encefálicas no IAD. [24], [26], [27], [30]. En [27]A análise de homoxeneidade rexional (ReHo), que mide a consistencia das flutuacións rexionais de baixa frecuencia (LFF) nas redes cerebrais, revelou unha maior sincronización entre as rexións cerebrais relacionadas coas vías de recompensa en pacientes con IAD. Un estudo similar de individuos con adicción a xogos en liña (OGA) propuxo empregar unha LFF de maior amplitude na córtex orbitofrontal media esquerda, que ten conexións anatómicas a varias rexións relacionadas coa toma de decisións dirixidas por obxectivos, como biomarcador da enfermidade. [30]. Hong et al. utilizou a estatística baseada en rede (NBS) para analizar as diferenzas de grupos na conectividade funcional inter-rexional entre IAD e grupos de control, e se observou unha redución xeneralizada da conectividade funcional no grupo IAD, sen notificación, ningunha interrupción global da topoloxía global da rede. [26]. Noutro estudo funcional baseado na conectividade, exploráronse alteracións na conectividade de rede por defecto empregando a cortiza cingulada posterior (PCC) como rexión de semente. [24]. Os resultados mostraron un aumento da conectividade funcional entre o lóbulo posterior cerebelo bilateral e o xiro temporal medio, así como unha diminución da conectividade entre o lóbulo parietal inferior bilateral e o xiro temporal inferior dereito.

No estudo actual, aplicamos un enfoque teórico-gráfico para analizar IAD baseado en datos de R-fMRI. Avaliamos primeiro a importancia da interrupción funcional da conectividade probas paramétricas con corrección de comparación múltiple. Isto permítenos explorar completamente patrón completo de conexións funcionais cerebros eo patróns de conectividade entre redes a grande escala [31]. En segundo lugar, investigamos posibles interrupcións de conectividade asociadas con IAD en termos de propiedades da rede global, incluíndo propiedades de pequena mundanidade (é dicir, coeficiente de agrupación e lonxitude característica do camiño) e eficiencia de rede (é dicir, eficiencias globais e locais) nun réxime de pequeno mundo. En terceiro lugar, co mesmo rango de dispersión da rede, avaliamos a importancia funcional dunha rede tendo en conta a relación dunha rexión con todo o conectoma funcional. [32] en función das medidas de centralidade de cada ROI. Estamos motivados a usar a centralidade da rede mellor localizar as rexións trastornadas a un nivel máis local. Finalmente, exploramos relacións entre métricas de rede e puntuacións tanto condutuais como clínicas de participantes. A investigación da conexión entre as propiedades da rede e o resultado clínico mellora o coñecemento da patoloxía das adiccións e brinda unha visión vital para o desenvolvemento de técnicas de diagnóstico IAD máis fiables.

Materiais e Métodos

os participantes

Treinta e tres participantes con dereitas, que inclúen 17 adolescentes con IAD (15 homes e mulleres 2) e 16 suxeitos de control saudable (HC) relacionados con sexo, idade e educación (14 homes e mulleres 2), participaron neste estudo . Os pacientes foron reclutados no Departamento de Psiquiatría infantil e adolescente, Centro de saúde mental de Shanghai, Escola de Medicina da Universidade Jiao Tong de Shanghai. Os suxeitos de control foron contratados da comunidade local mediante anuncios. O estudo foi aprobado polo Comité de Ética de Investigación Médica e o Comité de Revisión Institucional do Centro de Saúde Mental de Shanghai de acordo coa Declaración de Helsinki, e os pais / titores de cada participante obtiveron o consentimento completo e escrito.

A duración do DIA estimouse mediante un diagnóstico retrospectivo. Solicitouse a todos os suxeitos que recordasen o seu estilo de vida cando inicialmente eran adictos a internet. Para validar a súa adicción a internet, os pacientes volveron ser probados segundo o cuestionario de diagnóstico de Young (YDQ) modificado por Beard and Wolf para os criterios de adicción a internet. [33]A confiabilidade do autoinformado IAD confirmouse mediante entrevista cos seus pais. Os pacientes con IAD pasaron polo menos horas ao día en internet ou xogos en liña e días á semana. Comprobamos esta información dos compañeiros de piso e compañeiros de clase dos pacientes que a miúdo insistían en estar en internet a altas horas da noite, perturbando a vida dos demais a pesar das consecuencias. Teña en conta que todos os pacientes eran adictos a internet polo menos ou máis de 2 anos. Os detalles do YDQ modificado para os criterios de adicción a internet ofrécense en Ficheiro S1.

Despois das investigacións anteriores do IAD [34], só aqueles HC que pasaron menos de 2 horas (hora dedicada = ) O día por internet incluíronse no estudo. Pasou o grupo de HC días á semana en internet. Os HC tamén se probaron cos criterios YDQ modificados para garantir que non sufrían IAD. Todos os participantes contratados eran falantes nativos de chinés e nunca usaran substancias ilegais. Teña en conta que o YDQ modificado foi traducido ao chinés para a comodidade dos participantes. Para xustificar aínda máis os resultados do diagnóstico, outra medida de diagnóstico IAD, Young's Internet Addiction Scale (YIAS) [35], realizouse para cada participante. O YIAS é un cuestionario 20-item desenvolvido polo doutor Kimberly Young para avaliar o grao de dependencia en internet. Categoriza aos usuarios de internet en tres graos de severidade baseándose nun esquema de puntuación de puntos 100: usuario en liña leve ( puntos), moderado usuario en liña ( puntos) e usuario en liña grave ( puntos).

Ademais do diagnóstico de IAD mediante YDQ e YIAS modificados, as condicións de comportamento dos pacientes con IAD tamén foron avaliadas utilizando varios cuestionarios relacionados co comportamento: Barratt Impulsiveness Scale-11 (BIS-11) [36], Escala de disposición de xestión de tempo (TMDS) [37]Cuestionario, fortalezas e dificultades (SDQ) [38]e dispositivo de avaliación familiar de McMaster (FAD) [39]. No estudo estudáronse tanto as versións infantís como as dos pais de SDQ. Os detalles destes cuestionarios atópanse no documento Ficheiro S1.

Antes de ser entrevistados por historia clínica, todos os participantes sometéronse a un exame físico sinxelo (probas de presión arterial e latido cardíaco) para excluír trastornos físicos relacionados co movemento, os sistemas dixestivo, nervioso, respiratorio, circulatorio, endocrino, urinario e reprodutivo. Os criterios de exclusión incluíron: 1) un historial de trastornos psiquiátricos e non psiquiátricos comorbeis, como trastorno de ansiedade, depresión, compulsividade, esquizofrenia, autismo ou trastorno bipolar; 2) un historial de abuso ou dependencia de substancias; 3) unha historia de trastornos físicos relacionados co movemento, os sistemas dixestivo, nervioso, respiratorio, de circulación, endocrinos, urinarios e reprodutivos; e 4) embarazo ou período menstrual en mulleres durante o día da dixitalización. Este procedemento de exclusión é importante para asegurar que os participantes deste estudo non se vexan afectados por outros trastornos físicos, neurolóxicos ou neuropsiquiátricos e, polo tanto, reduzan posibles sesgos nos resultados obtidos. Ofrécese información demográfica detallada e puntuacións clínicas Táboa 1.

miniaturas

Táboa 1. Información demográfica dos participantes implicados neste estudo.

doi: 10.1371 / journal.pone.0107306.t001

Adquisición e preprocesamento de datos

A adquisición de datos realizouse mediante un escáner 3.0 Tesla (Philips Achieva). As imaxes funcionais en estado de repouso de cada participante foron adquiridas con tempo de eco (TE) = 30 ms e tempo de repetición (TR) = 2000 ms. A matriz de adquisición foi 64 × 64 cunha FOV rectangular de 230 × 230 mm2, e resolución de voxel de 3.59 × 3.59 × 4 mm3. A pescuda incluíu volumes 220 para cada participante. Durante a adquisición de datos, solicitouse aos participantes que deitaran tranquilamente no escáner cos ollos pechados. Aínda que non se utilizou ningunha técnica ou dispositivo adicional para medir se os suxeitos mantiveron os ollos pechados, os suxeitos confirmaron que estaban conscientes e mantiveron os ollos pechados durante a exploración.

O preprocesamento de datos realizouse mediante un pipeline estándar en dúas caixas de ferramentas de procesamento R-fMRI, DPARSF [40] e RESTAR [41]. Antes de calquera preprocesamento, descartáronse os primeiros volumes 10 R-fMRI de cada suxeito para lograr o equilibrio de magnetización. Os volumes de R-fMRI normalizáronse ao espazo MNI con resolución 3 × 3 × 3 mm3. Realizouse a regresión dos sinais molestos incluíndo ventrículo, substancia branca e sinais globais. Ningún dos participantes foi excluído segundo o criterio dun desprazamento superior a 3 mm ou dunha rotación angular superior a 3 graos en ningunha dirección. Para minimizar aínda máis os efectos do movemento da cabeza, empregamos a corrección do parámetro 24 de Friston así como o desprazamento de marco medio específico para voxel (FD) [42] cun limiar de FD de 0.5. Antes da estimación da conectividade funcional, a serie de tempo media de R-fMRI de cada ROI foi filtrada por banda ( Hz).

Construción de rede e análise de conexións individuais

A análise teórica gráfica foi adoptada neste estudo para investigar alteracións funcionais do conectoma cerebral causadas polo IAD entre un grupo de adolescentes chineses. As redes cerebrais funcionais construíronse a nivel macro onde os nodos representan as rexións cerebrais predefinidas e os bordos representan unha conectividade funcional interregional en estado de repouso (RSFC). Para definir nodos de rede, aparcamos o cerebro rexións de interese (ROI) deformando as imaxes fMRI ao atlas automatizado de etiquetado anatómico (AAL) [43]. As rexións baseadas no atlas AAL figuran na táboa S1 da lista Ficheiro S1. A serie de tempo representativa de cada ROI obtivo a media da serie de tempo retroceso sobre todos os voxels en cada ROI individual. Para medir o RSFC interrexional, calculamos a correlación Pearson a parella por todas as posibles ((() = 4005) os pares ROI e construíron unha matriz de conectividade simétrica para representar estas conexións. Analizamos as diferenzas a nivel de grupo entre cada par de ROI en termos de potencia da conexión. As diferenzas significativas para cada conexión funcional foron avaliadas empregando masa univariada (de dúas colas) -testes cun limiar de e corrección de taxa de descubrimento falsa (FDR).

Análise de métricas e características de rede

A matriz de conectividade funcional baseada na correlación de Pearson está densamente conectada, con moitos elementos espurios e de baixa resistencia. Para modelar mellor as redes cerebrais humanas, que presentan propiedades do pequeno mundo, a matriz de conectividade funcional de cada individuo foi procesada para ter un rango de escaseza que entra dentro do réxime do pequeno mundo () [44]-[48]. Este réxime garante características do mundo pequeno relativamente consistentes para redes cerebrais de RON 90 [44]. Concretamente, a matriz de correlación de Pearson de cada suxeito converteuse en matrices de adjacencia binaria, , segundo a escaseza predefinida, onde todo inicialmente establécese nun, e logo os elementos correspondentes aos valores de correlación máis baixos configúranse repetidamente a cero ata alcanzar un certo nivel de escaseza. A partir destas redes, empregamos métricas de rede tanto rexionais coma globais para analizar a arquitectura global e a centralidade nodal rexional das redes cerebrais para a comparación a nivel de grupo. A métrica global empregada incluía parámetros do mundo pequeno, é dicir, o coeficiente de agrupación () e lonxitude característica do camiño () [49], [50], así como a eficiencia global da rede () e eficiencia da rede local (). Ademais, calculamos versións normalizadas destas medidas empregando redes aleatorias (e ) para asegurar a propiedade mundial das redes cerebrais construídas. Definimos unha rede como mundo pequeno se cumpre os tres criterios seguintes: , e o ratio mundial pequeno . Tres métricas de centralidade nodal: grao (), eficiencia () e entre () - de cada rexión cerebral calculáronse as investigacións sobre as características locais da rede funcional [44], [46].

Para investigar estatisticamente as diferenzas entre grupos, realizamos dúas mostras de dúas colas -testes cun limiar de (FDR corrixida) en cada métrica de rede (global e rexional) en función da área baixo curva (AUC) de cada métrica de rede construída a partir do réxime do mundo pequeno [48]. A AUC ofrece un resumo das características topolóxicas das redes cerebrais en todo o réxime do mundo pequeno, en lugar de considerar só a topoloxía nun único limiar de dispersión. [44], [51]. En concreto, para cada métrica de rede, primeiro calculamos o valor AUC de cada suxeito individual en redes con diferentes niveis de dispersión e despois realizamos dúas mostras probas para cuantificar estatisticamente calquera diferenza a nivel de grupo entre IAD e grupos saudables. É de destacar que antes das probas estatísticas, aplicamos varias regresións lineais para eliminar os efectos da idade, xénero e educación, así como as súas interaccións [31], [52]-[54].

Fiabilidade e repetibilidade mediante Atlas funcional

No estudo actual, as redes de conectividade funcionais construíronse a nivel rexional mediante a distribución de todo o cerebro en RON 90 baseado no atlas AAL. Non obstante, tamén se informou de que as redes cerebrais derivadas de diferentes esquemas de parcelación ou que usan diferentes escalas espaciais poden presentar arquitecturas topolóxicas distintas [55]-[57]. Para avaliar a fiabilidade e repetibilidade dos nosos resultados, repetimos os experimentos usando o atlas funcional de Dosenbach [58], que divide o cerebro humano en RON 160, incluído o cerebelo. Neste atlas, cada ROI defínese como un cadrado de diámetro 10 mm que rodea un punto de semente seleccionado, e a distancia entre todos os centros de ROI é como mínimo de 10 mm sen solapamento espacial, o que significa que algunhas áreas cerebrais non están cubertas polo conxunto de ROI.

Relacións entre métricas de rede e resultados de comportamento

Para aquelas rexións (baseadas no atlas AAL) que mostran diferenzas significativas a nivel de grupo na centralidade nodal rexional, empregamos a correlación Pearson por parella (, FDR corrixido) para analizar as relacións entre as propiedades da rede de cada rexión e as puntuacións de comportamento dun individuo. En concreto, na análise de correlación, as métricas de rede tratáronse como variables dependentes, mentres que as puntuacións de comportamento, é dicir, BIS-11, TMDS, SDQ e FAD, tratáronse como variables independentes. Para comprender máis a relación entre as rexións cerebrais afectadas e a gravidade da enfermidade, tamén calculamos o coeficiente de correlación de Pearson entre as características da rede e as puntuacións YIAS.

Resultados

Características demográficas e clínicas

Non hai diferenzas significativas en canto á idade, sexo e anos de educación (todo con ) entre os grupos IAD e HC. Non obstante, hai diferenzas significativas no uso de internet en termos de días á semana () e horas ao día (). Aínda que non hai diferenzas significativas entre grupos para as puntuacións BIS-11 e TMDS (todas con ), o SDQ-P (), SDQ-C () e FAD () as puntuacións son significativamente maiores no grupo IAD, como se mostra en Táboa 1 figura 1. En particular, o YIAS (), a medida clínica empregada para clasificar IAD, mostra a diferenza máis significativa a nivel de grupo.

miniaturas

Figura 1. Diferenzas entre grupos en canto a medidas clínicas e de comportamento.

(YIAS = Escala de adicción a Internet de Young, BIS-11 = Escala de impulsividade Barratt-11, TMDS = Escala de disposición de xestión do tempo, SDQ-P = Fortalezas e dificultades Versión principal do cuestionario, SDQ-C = Fortalezas e dificultades Versión infantil do cuestionario, FAD = McMaster Dispositivo de avaliación familiar).

doi: 10.1371 / journal.pone.0107306.g001

Conectividade Funcional Individual

En comparación co grupo HC, só tres conexións funcionais experimentaron alteración significativa tras a corrección de FDR. Dúas conexións inter hemisféricas, unha entre o xiro angular esquerdo (lóbulo parietal) e a cortiza orbitofrontal media dereita (lóbulo frontal) e outra entre o xiro fusiforme esquerdo (lóbulo occipital) e o xiro angular dereito (lóbulo parietal), mostran unha maior forza de conectividade en Pacientes IAD. Unha conexión intra-hemisférica, entre o caudato dereito (córtex subcortical) e o xiro supramarginal dereito (lóbulo parietal), mostra unha diminución da conectividade no grupo da enfermidade. Estas conexións funcionais significativamente alteradas móstranse figura 2. As conexións en cor vermella e azul denotan o aumento e a diminución das conectividades funcionais respectivamente no grupo IAD. Teña en conta que a maioría das conexións funcionais afectadas inclúen rexións situadas no hemisferio dereito e no lóbulo parietal.

miniaturas

Figura 2. As conexións funcionais significativamente alteradas en pacientes con IAD (corrixidos por FDR).

Vermello: aumento da conectividade funcional, Azul: diminución da conectividade funcional. (FRO: Frontal, INS: Insula, TEM: Temporal, PAR: Parietal, OCC: Occipital, LIM: Limbic, SBC: Subcortical). Esta visualización créase usando o paquete BrainNet Viewer (http://www.nitrc.org/projects/bnv) e os Circos (http://circos.ca/).

doi: 10.1371 / journal.pone.0107306.g002

Características globais das Redes Funcionais

Exploremos as propiedades topolóxicas das redes cerebrais intrínsecas funcionais comparando os seus comportamentos do mundo pequeno con redes aleatorias comparables a varios niveis de escaseza de rede, . En particular, investigamos parámetros do mundo pequeno (por exemplo, coeficiente de agrupación, lonxitude característica da ruta e relación mundial) ), así como as eficiencias globais e locais. As redes aleatorias utilizadas no estudo preservaron o número de nodos e bordos, así como as distribucións en grao de redes cerebrais reais que están a preocuparse mediante a técnica de cableado descrita en [59]. Análises estatísticas mediante dúas mostras probas (, Correxido FDR) sobre os valores de AUC sobre o réxime do mundo pequeno non demostraron diferenzas significativas entre os grupos IAD e HC en canto ás propiedades da rede global.

Características rexionais nodais das redes funcionais

A pesar da topoloxía común do mundo pequeno, houbo diferenzas significativas a nivel de grupo observadas na centralidade nodal rexional. Neste estudo, consideramos unha rexión cerebral alterada significativamente no grupo IAD se polo menos unha das súas tres métricas nodais rexionais ten unha valor inferior a 0.05 (corrixido por FDR) en función dos seus valores AUC. Táboa 2 resume as rexións que se modifican significativamente en pacientes con IAD. En comparación co grupo HC, os pacientes con IAD mostraron alteracións de centralidade nodal localizadas principalmente no lóbulo parietal inferior esquerdo (IPL), no tálamo esquerdo (THA) e noutras rexións como o sistema límbico, especialmente o xiro cingulado anterior dereito (ACG) e dereito. xiro cingulado medio (MCG). En particular, o IPL e ACG son compoñentes da rede de modo predeterminado (DMN), que previamente estivo ligado a unha conectividade alterada na adicción a substancias [60]-[62].

miniaturas

Táboa 2. Rexións que mostran centralidades nodais anormais nos pacientes con IAD en comparación cos controis saudables (HC) baseados no atlas AAL.

doi: 10.1371 / journal.pone.0107306.t002

Fiabilidade e repetibilidade mediante Atlas funcional

Cando se usa o atlas de Dosenbach para definir os ROI, obsérvanse diferenzas significativas de grupo principalmente nas conexións frontais e parietais co cerebelo. Estes achados resúmense en Táboa 3. Aínda que estas conexións difiren das identificadas en función do atlas AAL, a maioría das conexións afectadas implican os mesmos lóbulos do cerebro, excepto nas rexións cerebelosas. En termos de métrica global da rede, non atopamos diferenzas entre os grupos IAD e HC, similares aos resultados baseados no atlas AAL. Para a medida das redes locais, descubrimos que algunhas das rexións identificadas están localizadas espacialmente preto das rexións identificadas en base ao atlas AAL, como o ACG e o THA, como se recolle en Táboa 4.

miniaturas

Táboa 3. Conexións funcionais nos individuos IAD que experimentaron alteracións importantes baseadas no atlas de Dosenbach.

doi: 10.1371 / journal.pone.0107306.t003

miniaturas

Táboa 4. Rexións que mostran centralidades nodais anormais en pacientes con IAD en comparación con controis saudables (HC) baseados no atlas de Dosenbach.

doi: 10.1371 / journal.pone.0107306.t004

Relacións entre métricas de rede e medidas de comportamento

Non hai ningunha significativa (Corrección de FDR) correlación entre métricas de rede global (, , e ) e puntuacións condutivas e clínicas. Non obstante, as métricas nodais rexionais de varias rexións son significativamente (, Corrixido por FDR) correlacionado con puntuacións condutuais e clínicas. A ACG dereita está correlacionada positivamente coa puntuación YIAS. O MCG correcto está correlacionado positivamente coa puntuación YIAS. A THA esquerda está correlacionada positivamente coas puntuacións YIAS e SDQ-P. Non obstante, a IPL esquerda non está correlacionada significativamente con ningunha puntuación clínica ou de comportamento. Amósanse as rexións cerebrais que están significativamente correlacionadas cos resultados conductuais e clínicos figura 3.

miniaturas

Figura 3. As rexións cerebrais que están significativamente correlacionadas con puntuacións de comportamento e clínicas no grupo IAD (corrixido por FDR).

Esta ilustración creouse usando o paquete BrainNet Viewer (http://www.nitrc.org/projects/bnv). (YIAS = Puntuación de adicción a Internet de Young, BIS-11 = Escala de impulsividade Barratt-11, TMDS = Escala de disposición de xestión do tempo, SDQ-P = Fortalezas e dificultades Versión do cuestionario, SDQ-C = Versión infantil do cuestionario de fortalezas e dificultades.).

doi: 10.1371 / journal.pone.0107306.g003

Conversa

Alteracións da Conectividade Funcional Individual

As ideas sobre o mecanismo do desenvolvemento do cerebro humano son importantes para unha mellor comprensión das bases patolóxicas dos trastornos que afectan a nenos e adolescentes, o que leva a un posible tratamento precoz. Baseado na análise teórica gráfica dos datos de R-fMRI, suxeriuse que a organización funcional do cerebro humano madura e evoluciona desde a infancia ata a adolescencia ata a idade adulta seguindo unha tendencia única: maior segregación funcional nos nenos e maior integración funcional nos adultos. o nivel de todo o cerebro [63]-[66]. En particular, a organización de redes cerebrais funcionais pasa da conectividade local a unha arquitectura máis distribuída co desenvolvemento [63], [66], onde os adultos adoitan ter unha conectividade funcional máis débil de corto alcance e unha conectividade funcional máis longa que os nenos [65].

Os nosos resultados demostran que as conexións interrumpidas observadas no IAD, aínda que só un bo puñado despois da corrección de FDR, son conexións funcionais de longo alcance e inter hemisféricas importantes para a comunicación a longa distancia no cerebro humano. A interrupción das conexións a longo alcance e entre hemisféricos é un síntoma común en moitas anormalidades do comportamento, incluído o autismo [67]-[70], esquizofrenia [71], adicción aos opioides [72], [73]e adicción á cocaína [74]. O deterioro de conexións de longo alcance pode verse como un fracaso do proceso de integración dentro dunha rede funcional distribuída do cerebro humano [63], [64], [75], unha desviación da traxectoria normal do desenvolvimento. Por iso, especulamos que o desenvolvemento anormal da conectividade de longo alcance e entre hemisféricos en adolescentes IAD observados neste estudo é un dos posibles motivos do seu comportamento adictivo.

Alteracións nas propiedades da rede global

O cerebro humano está considerado como un sistema dinámico complexo e grande e interconectado con diversas propiedades topolóxicas importantes, como a mundialidade pequena, a alta eficiencia a baixo custo de cableado e os hubs moi conectados. [46], [76]-[79]. Nunha rede de pequeno mundo, os nodos están agrupados localmente a favor do procesamento de información modular e están conectados de forma remota a través dun pequeno número de conexións de longo alcance para un enrutamento global eficiente [50]. Tanto os grupos IAD como HC demostraron propiedades do mundo pequeno, é dicir, altos coeficientes de agrupación () e lonxitudes similares de ruta (), cando se compara con redes aleatorias comparables. Non obstante, observamos coeficientes de agrupación normalizados constantemente maiores e lonxitude de trazado característico normalizado no grupo IAD en comparación co grupo HC sobre a densidade de conexión, en liña con estudos R-fMRI anteriores [26]. O maior coeficiente de agrupación reflicte a integración neuronal interrompida entre rexións distantes, que mostran conexións funcionais a distancia distante e relativamente densas a curto distancia nos grupos IAD e HC. A progresión das etapas clínicas, de leve a grave, pode causar máis deterioración ou desconexión de conexións de longa distancia, e así, posiblemente fomentar o establecemento de conexións a curto distanciamento dentro do cluster como vías alternativas para preservar a transmisión de información entre dúas rexións distantes. Non obstante, o establecemento de conexións a corta distancia pode introducir agrupacións anormais que aumentan o risco de xerar un fluxo de información incontrolado ou aleatorio a través de toda a rede. Por outra banda, todas as redes cerebrais demostraron un procesamento de información paralelo similar de eficiencia local e global en comparación coa rede aleatoria comparable [80]. Estes resultados apoian o concepto dun modelo de mundo pequeno do cerebro humano que proporciona unha combinación equilibrada de especialización local e integración global [81]. A nosa observación de ningunha diferenza significativa entre os grupos IAD e HC en canto ás propiedades da rede global pode implicar que os cambios da estrutura de rede funcional en IAD sexan sutís. Por conseguinte, máis investigacións sobre biomarcadores IAD específicos da rexión poderían revelar información significativa sobre a patoloxía da enfermidade e sobre a dependencia, en xeral.

Características rexionais nodais das redes funcionais

As alteracións relacionadas co IAD da centralidade nodal atópanse principalmente en compoñentes do sistema límbico incluíndo ACG e MCG, IPL e THA. As perturbacións destas rexións así como as súas vías de conexión relacionadas pódense interpretar para reflectir unha diminución da eficiencia no procesamento de información, posiblemente como interrupcións funcionais no IAD.

O cingulado gyrus (CG), parte integrante do sistema límbico, está implicado na formación e procesamento de emocións, aprendizaxe e memoria, función executiva e control respiratorio. [82]. Recibe aportes do THA e do neocórtex e proxéctase á córtex entorinal a través do cingulo. Esta vía céntrase en acontecementos emocionalmente significativos e regula comportamentos agresivos [29]. A interrupción das funcións relacionadas coa CG pode prexudicar a capacidade dun individuo para controlar e controlar os seus comportamentos, especialmente os comportamentos relacionados coa emoción. [83]. A maioría das análises de adicción a substancias e comportamentos demostraron alteracións significativas en partes anteriores e posteriores da CG (ACG e PCG), incluída a adicción ao alcol [84], xogo patolóxico [85], e IAD [27], [29]. En maltratadores de cocaína, tamén se informaron alteracións similares no MCG [86]. En estudos RMN anteriores, tamén se demostrou que a CG anterior, media e posterior están afectadas en condicións de recompensa e castigo. [87]. Debido ao papel do MCG no procesamento de emocións positivas e negativas, non é de estrañar que a rexión amose unha importante interrupción na conectividade en pacientes con IAD.

O THA é unha central de información cerebral e está implicado en moitas funcións cerebrais, incluído o procesamento de recompensas [88], comportamentos dirixidos a obxectivos e funcións cognitivas e motrices [89]. Relata sinais sensoriais e motoras desde as rexións subcorticais ata o córtex cerebral [90]. A través do THA, a córtex orbitofrontal recibe proxeccións directas e indirectas doutras rexións cerebrais límbicas que están implicadas co reforzo de drogas, como a amígdala, CG e hipocampo [91], para controlar e corrixir as condutas relacionadas coa recompensa e o castigo [92]. Circuítos anormal de talamo-cortical atopados en adictos ao xogo en liña [93] pode suxerir un deterioro do funcionamento do THA relacionado con patróns crónicos de mala calidade do sono [94] e abafante foco atencional no ordenador. Ademais, o THA está conectado funcionalmente ao hipocampo [95] como parte do sistema hipocampal estendido, que é crucial para funcións cognitivas como a navegación espacial e a consolidación da información desde a memoria a curto prazo ata a memoria a longo prazo [96], [97].

Observamos alteracións significativas das centralidades nodais na IPL, en liña cos resultados informados nos estudos recentes de IAD baseados en R-fMRI. [24], [93]. Semellante ao THA, o IPL está masivamente conectado ás cortes auditivas, visuais e somatosensoriais, e é capaz de procesar diferentes tipos de estímulos simultaneamente. Como unha das últimas estruturas desenvolvidas do cerebro humano durante o desenvolvemento, a IPL pode ser máis vulnerable á exposición excesiva de estímulos auditivos e visuais, particularmente durante a infancia. O deterioro de IPL inducido polo uso excesivo de internet pode suprimir a capacidade dun individuo para mediar adecuadamente a resposta á inhibición da regulación de impulsos [98], [99], prexudicando a súa capacidade para resistir as ansias de Internet inducidas polo indicación, o que pode prexudicar aínda máis a IPL. Tales patróns circulares adoitan verse en dependentes e en condutas condutuais.

As rexións do DMN son normalmente máis activas en repouso que realizar tarefas dirixidas a obxectivos [62]. Estas rexións son coñecidas por estar implicadas en actividades de modulación emocional e auto-referencias, incluíndo a avaliación da atención das pistas internas e externas, o recordo do pasado e a planificación do futuro. [60], [62], que son os criterios importantes no diagnóstico IAD. Xa se suxeriu que a conectividade alterada que implica as rexións da DMN contribúe a varios comportamentos sintomáticos nas enfermidades [100], incluíndo as adiccións a substancias [101], [102] e vicios de comportamento [24], [103]. Os nosos resultados de alteración da conectividade funcional en varias rexións de DMN son parcialmente consistentes coas observacións anteriores, o que suxire que o DMN ten o potencial de servir como biomarcador para identificar pacientes con IAD.

Fiabilidade e repetibilidade mediante Atlas funcional

Algunhas das rexións cerebrais anormais identificadas en función do atlas AAL tamén foron identificadas usando o atlas funcional, apoiando a fiabilidade e a repetibilidade dos nosos resultados. Unha posible razón dos resultados lixeiramente diferentes é o réxime de utilizado neste estudo. As pequenas características das redes de conectividade construídas con base no atlas AAL de ROI 90 son as máis consistentes dentro deste rango [44]. Non obstante, este rango de dispersión pode non ser óptimo para atlas con diferentes números de ROI. Ademais, os ROI obtidos do atlas de Dosenbach defínense funcionalmente e non abarcan todo o cerebro [58]. Neste atlas, identifícanse primeiro os centros de todos os ROI 160 e cultiva unha esfera cun radio de 5 mm a partir de cada centro, producindo un ROI esférico de 10 mm. O centro de cada ROI tamén está configurado como mínimo 10 mm distinto dos centros doutros ROI, dando lugar a atlas que non se solapan espacialmente. Por outra banda, o atlas AAL cobre o tecido de materia gris de todo o cerebro. Estas diferenzas na definición de ROI e na área global cuberta poden contribuír ás variacións dos resultados. Así, unha investigación máis importante usando unha cohorte maior é necesaria para determinar en canto a elección do esquema de parización cerebral afecta á caracterización da topoloxía de rede.

Correlación entre métricas de rede e medidas de comportamento

Neste estudo non se observou correlación entre a métrica global da rede e as medidas de comportamento, o que implica a ausencia de alteracións na topoloxía da rede cerebral enteira. Este achado tamén pode suxerir que as variacións da rede cerebral son sutís debido á plasticidade do cerebro humano (neuroplasticidade) [104], [105] na recuperación da maior parte das súas funcións diarias por vías alternativas (circuítos neuronais). A plasticidade cerebral implica reorganización de conexións entre células nerviosas ou neuronas e pode ser influenciada por unha infinidade de factores [106]-[108]. Ocorre de forma relacionada coa idade con maior prevalencia durante a infancia e adolescencia que a idade adulta, o que suxire unha mellor recuperación de conexións neuronais deterioradas en adolescentes con IAD. Ademais, demostrouse que unha variedade de condicións de comportamento, que van desde a adicción a trastornos neurolóxicos e psiquiátricos, están correlacionadas con cambios localizados nos circuítos neuronais. [106]. Non é de estrañar que medidas de rede global a nivel groseiro, como o coeficiente medio de agrupación, a lonxitude característica da ruta e as eficiencias da rede sexan menos sensibles ao detectar cambios nos circuítos cerebrais no grupo IAD.

Non obstante, a métrica nodal rexional de varias rexións cerebrais está correlacionada con algunhas das medidas de comportamento. En particular, a versión parente de SDQ (SDQ-P), que mide tanto a capacidade dun individuo para manexar adecuadamente a impulsividade como a gravidade da emoción e os problemas de comportamento prosocial baseándose na información proporcionada polos pais dos adolescentes estudados. correlacionada coas rexións cerebrais afectadas funcionalmente no IAD. A incapacidade de controlar condutas e emocións impulsivas é un dos principais síntomas conductuais. É común que os pacientes non teñan coñecemento dos cambios nas súas emocións e comportamentos aínda que estes cambios son relativamente obvios para as persoas que os rodean. Esta pode ser a principal razón pola que ningunha das medidas de rede se correlaciona coa versión infantil de SDQ (SDQ-C) debido ao seu carácter de autoavaliación. Por outra banda, non existe unha correlación significativa entre as medidas de rede rexionais e outras medidas de comportamento, incluíndo BIS-11, FAD e TMDS. Este descubrimento está apoiado polos grandes valores para estas medidas entre o IAD e grupos saudables (Táboa 1). Estes resultados poden suxerir que algunhas destas medidas de comportamento son útiles para determinar as rexións afectadas e, polo tanto, axudan ao diagnóstico de IAD, aínda que aínda se necesita unha cantidade importante de traballo para comprender mellor os roles destas medidas nas adiccións ou trastornos do comportamento.

Cuestións metodolóxicas / Limitacións

Hai varias limitacións que deben resaltar neste estudo. En primeiro lugar, o diagnóstico de IAD baseouse principalmente en resultados de cuestionarios autoinformados, que poden afectar á fiabilidade dos diagnósticos. No futuro, deben desenvolverse ferramentas de diagnóstico normalizadas para a identificación de IAD para mellorar a fiabilidade e validez dos diagnósticos de IAD. En segundo lugar, o noso estudo está limitado polo pequeno tamaño da mostra e o desequilibrio do xénero dos participantes (machos 31 e femias 4), o que pode reducir a potencia estatística e a xeneralización dos achados, aínda que estes factores foron controlados na análise. O efecto do xénero na prevalencia do DI é aínda un asunto debatido. Baseándose nos descubrimentos de Young [35]Un gran número de mulleres presentan dependencia de internet. En contraste, un estudo recente informou que os homes presentan un maior risco de comportamento IAD [109]. Non obstante, tamén se informou de que non hai relación entre xénero e IAD [110], [111]. Os futuros experimentos empregando unha cohorte maior cunha proporción de xénero máis equilibrada requírense para avaliar mellor a relación entre o xénero e a susceptibilidade ao IAD.

Información de apoio

Ficheiro S1.

Materiais complementarios.

doi: 10.1371 / journal.pone.0107306.s001

(PDF)

Grazas

Este traballo foi apoiado en parte polas subvencións dos Institutos Nacionais de Saúde (NIH) EB006733, EB008374, EB009634, AG041721 e CA140413, así como a Fundación Nacional de Ciencias Naturais de China (81171325) e o Programa Nacional de I + D de Tecnoloxía Clave 2007BAI17B03.

Contribucións do autor

Concibiron e deseñaron os experimentos: CYW ZZ PTY GW FS TP YD JX YZ DS. Realizaron os experimentos: CYW ZZ YD JX YZ DS. Analizados os datos: CYW PTY DS. Reactivos aportados / materiais / ferramentas de análise: ZZ YD JX YZ. Escribiu o artigo: CYW PTY TP DS.

References

  1. 1 Ng BD, Wiemer-Hastings P (2005) Adicción a internet e xogos en liña. Cyberpsychol Behav 8: 110 – 113. doi: 10.1089 / cpb.2005.8.110
  2. 2 Adicción a Internet en Xeneral KS (1998): A aparición dun novo trastorno clínico. Cyberpsychol Behav 1: 237 – 244. doi: 10.1089 / cpb.1998.1.237
  3. Ver artigo
  4. PubMed / NCBI
  5. Google Scholar
  6. Ver artigo
  7. PubMed / NCBI
  8. Google Scholar
  9. Ver artigo
  10. PubMed / NCBI
  11. Google Scholar
  12. Ver artigo
  13. PubMed / NCBI
  14. Google Scholar
  15. Ver artigo
  16. PubMed / NCBI
  17. Google Scholar
  18. Ver artigo
  19. PubMed / NCBI
  20. Google Scholar
  21. Ver artigo
  22. PubMed / NCBI
  23. Google Scholar
  24. Ver artigo
  25. PubMed / NCBI
  26. Google Scholar
  27. Ver artigo
  28. PubMed / NCBI
  29. Google Scholar
  30. Ver artigo
  31. PubMed / NCBI
  32. Google Scholar
  33. Ver artigo
  34. PubMed / NCBI
  35. Google Scholar
  36. Ver artigo
  37. PubMed / NCBI
  38. Google Scholar
  39. Ver artigo
  40. PubMed / NCBI
  41. Google Scholar
  42. Ver artigo
  43. PubMed / NCBI
  44. Google Scholar
  45. 3 Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) A asociación entre a adicción a internet e o trastorno psiquiátrico: unha revisión da literatura. Eur Psiquiatría 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011
  46. Ver artigo
  47. PubMed / NCBI
  48. Google Scholar
  49. Ver artigo
  50. PubMed / NCBI
  51. Google Scholar
  52. Ver artigo
  53. PubMed / NCBI
  54. Google Scholar
  55. Ver artigo
  56. PubMed / NCBI
  57. Google Scholar
  58. Ver artigo
  59. PubMed / NCBI
  60. Google Scholar
  61. Ver artigo
  62. PubMed / NCBI
  63. Google Scholar
  64. Ver artigo
  65. PubMed / NCBI
  66. Google Scholar
  67. Ver artigo
  68. PubMed / NCBI
  69. Google Scholar
  70. Ver artigo
  71. PubMed / NCBI
  72. Google Scholar
  73. Ver artigo
  74. PubMed / NCBI
  75. Google Scholar
  76. 4 Bloque J (2006) Menudo estima a prevalencia no estudo problemático do uso de internet. CNS Spectre 12: 14 – 15.
  77. Ver artigo
  78. PubMed / NCBI
  79. Google Scholar
  80. Ver artigo
  81. PubMed / NCBI
  82. Google Scholar
  83. Ver artigo
  84. PubMed / NCBI
  85. Google Scholar
  86. Ver artigo
  87. PubMed / NCBI
  88. Google Scholar
  89. 5 Adicción a internet en Fitzpatrick JJ (2008): recoñecemento e intervencións. Arch Neurol 22: 59 – 60. doi: 10.1016 / j.apnu.2007.12.001
  90. Ver artigo
  91. PubMed / NCBI
  92. Google Scholar
  93. Ver artigo
  94. PubMed / NCBI
  95. Google Scholar
  96. 6 Cao F, Su L, Liu T, Gao X (2007) A relación entre a impulsividade e a adicción a internet nunha mostra de adolescentes chineses. Eur Psiquiatría 22: 466 – 471. doi: 10.1016 / j.eurpsy.2007.05.004
  97. Ver artigo
  98. PubMed / NCBI
  99. Google Scholar
  100. Ver artigo
  101. PubMed / NCBI
  102. Google Scholar
  103. Ver artigo
  104. PubMed / NCBI
  105. Google Scholar
  106. Ver artigo
  107. PubMed / NCBI
  108. Google Scholar
  109. Ver artigo
  110. PubMed / NCBI
  111. Google Scholar
  112. Ver artigo
  113. PubMed / NCBI
  114. Google Scholar
  115. Ver artigo
  116. PubMed / NCBI
  117. Google Scholar
  118. Ver artigo
  119. PubMed / NCBI
  120. Google Scholar
  121. Ver artigo
  122. PubMed / NCBI
  123. Google Scholar
  124. Ver artigo
  125. PubMed / NCBI
  126. Google Scholar
  127. Ver artigo
  128. PubMed / NCBI
  129. Google Scholar
  130. Ver artigo
  131. PubMed / NCBI
  132. Google Scholar
  133. Ver artigo
  134. PubMed / NCBI
  135. Google Scholar
  136. Ver artigo
  137. PubMed / NCBI
  138. Google Scholar
  139. Ver artigo
  140. PubMed / NCBI
  141. Google Scholar
  142. Ver artigo
  143. PubMed / NCBI
  144. Google Scholar
  145. Ver artigo
  146. PubMed / NCBI
  147. Google Scholar
  148. Ver artigo
  149. PubMed / NCBI
  150. Google Scholar
  151. Ver artigo
  152. PubMed / NCBI
  153. Google Scholar
  154. Ver artigo
  155. PubMed / NCBI
  156. Google Scholar
  157. Ver artigo
  158. PubMed / NCBI
  159. Google Scholar
  160. Ver artigo
  161. PubMed / NCBI
  162. Google Scholar
  163. Ver artigo
  164. PubMed / NCBI
  165. Google Scholar
  166. Ver artigo
  167. PubMed / NCBI
  168. Google Scholar
  169. Ver artigo
  170. PubMed / NCBI
  171. Google Scholar
  172. Ver artigo
  173. PubMed / NCBI
  174. Google Scholar
  175. Ver artigo
  176. PubMed / NCBI
  177. Google Scholar
  178. Ver artigo
  179. PubMed / NCBI
  180. Google Scholar
  181. Ver artigo
  182. PubMed / NCBI
  183. Google Scholar
  184. Ver artigo
  185. PubMed / NCBI
  186. Google Scholar
  187. Ver artigo
  188. PubMed / NCBI
  189. Google Scholar
  190. Ver artigo
  191. PubMed / NCBI
  192. Google Scholar
  193. Ver artigo
  194. PubMed / NCBI
  195. Google Scholar
  196. Ver artigo
  197. PubMed / NCBI
  198. Google Scholar
  199. Ver artigo
  200. PubMed / NCBI
  201. Google Scholar
  202. Ver artigo
  203. PubMed / NCBI
  204. Google Scholar
  205. Ver artigo
  206. PubMed / NCBI
  207. Google Scholar
  208. Ver artigo
  209. PubMed / NCBI
  210. Google Scholar
  211. Ver artigo
  212. PubMed / NCBI
  213. Google Scholar
  214. Ver artigo
  215. PubMed / NCBI
  216. Google Scholar
  217. Ver artigo
  218. PubMed / NCBI
  219. Google Scholar
  220. Ver artigo
  221. PubMed / NCBI
  222. Google Scholar
  223. Ver artigo
  224. PubMed / NCBI
  225. Google Scholar
  226. Ver artigo
  227. PubMed / NCBI
  228. Google Scholar
  229. Ver artigo
  230. PubMed / NCBI
  231. Google Scholar
  232. Ver artigo
  233. PubMed / NCBI
  234. Google Scholar
  235. Ver artigo
  236. PubMed / NCBI
  237. Google Scholar
  238. Ver artigo
  239. PubMed / NCBI
  240. Google Scholar
  241. Ver artigo
  242. PubMed / NCBI
  243. Google Scholar
  244. Ver artigo
  245. PubMed / NCBI
  246. Google Scholar
  247. Ver artigo
  248. PubMed / NCBI
  249. Google Scholar
  250. Ver artigo
  251. PubMed / NCBI
  252. Google Scholar
  253. Ver artigo
  254. PubMed / NCBI
  255. Google Scholar
  256. Ver artigo
  257. PubMed / NCBI
  258. Google Scholar
  259. Ver artigo
  260. PubMed / NCBI
  261. Google Scholar
  262. Ver artigo
  263. PubMed / NCBI
  264. Google Scholar
  265. Ver artigo
  266. PubMed / NCBI
  267. Google Scholar
  268. Ver artigo
  269. PubMed / NCBI
  270. Google Scholar
  271. Ver artigo
  272. PubMed / NCBI
  273. Google Scholar
  274. Ver artigo
  275. PubMed / NCBI
  276. Google Scholar
  277. Ver artigo
  278. PubMed / NCBI
  279. Google Scholar
  280. Ver artigo
  281. PubMed / NCBI
  282. Google Scholar
  283. Ver artigo
  284. PubMed / NCBI
  285. Google Scholar
  286. Ver artigo
  287. PubMed / NCBI
  288. Google Scholar
  289. Ver artigo
  290. PubMed / NCBI
  291. Google Scholar
  292. Ver artigo
  293. PubMed / NCBI
  294. Google Scholar
  295. Ver artigo
  296. PubMed / NCBI
  297. Google Scholar
  298. Ver artigo
  299. PubMed / NCBI
  300. Google Scholar
  301. Ver artigo
  302. PubMed / NCBI
  303. Google Scholar
  304. 7 Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Anormalidades da microestrutura en adolescentes con trastorno por adicción a internet. PLOS ONE 6: e20708. doi: 10.1371 / journal.pone.0020708
  305. Ver artigo
  306. PubMed / NCBI
  307. Google Scholar
  308. Ver artigo
  309. PubMed / NCBI
  310. Google Scholar
  311. Ver artigo
  312. PubMed / NCBI
  313. Google Scholar
  314. Ver artigo
  315. PubMed / NCBI
  316. Google Scholar
  317. 8 Ernst M, Pine DS, Hardin M (2006) Modelo trídico da neurobioloxía de comportamentos motivados na adolescencia. Psychol Med 36: 299 – 312. doi: 10.1017 / s0033291705005891
  318. 9 Pine DS, Cohen P, Brook JS (2001) Reactividade emocional e risco de psicopatoloxía entre adolescentes. CNS Spectre 6: 27 – 35.
  319. 10 Silveri MM, Tzilos GK, Pimentel PJ, Yurgelun-Todd DA (2004) Traxectorias do desenvolvemento emocional e cognitivo adolescente: efectos do sexo e risco para o consumo de drogas. Ann NY Acad Sci 1021: 363 – 370. doi: 10.1196 / anais.1308.046
  320. 11 Steinberg L (2005) Desenvolvemento cognitivo e afectivo na adolescencia. Cogn Sci 9: 69 – 74. doi: 10.1016 / j.tics.2004.12.005
  321. 12 Ko CH, Yen JY, Chen CC, Chen SH, Yen CF (2005) Criterios de diagnóstico propostos da adicción a internet para adolescentes. J Nerv Ment Dis 193: 728 – 733. doi: 10.1097 / 01.nmd.0000185891.13719.54
  322. 13 Yoo HJ, Cho SC, Ha J, Yune SK, Kim SJ, et al. (2004) Síntomas de hiperactividade con déficit de atención e dependencia de internet. Clínica de Psiquiatría Neurosci 58: 487 – 494. doi: 10.1111 / j.1440-1819.2004.01290.x
  323. 14 Shapira NA, Lessig MC, Goldsmith TD, Szabo ST, Lazoritz M, et al. (2003) Uso problemático de internet: Criterios de clasificación e diagnóstico propostos. Deprime a ansiedade 17: 207 – 216. doi: 10.1002 / da.10094
  324. 15 Adicción a nternet de Beard KW (2005): unha revisión das técnicas de avaliación actuais e posibles cuestións de avaliación. Cyberpsychol Behav 8: 7 – 14. doi: 10.1089 / cpb.2005.8.7
  325. 16 Young K (1999) Innovacións na práctica clínica: un libro fonte, Prensa de recursos profesionais, volume 17, capítulo Adicción a Internet: síntomas, avaliación e tratamento. pp. 19 – 31.
  326. 17 Problemas do bloque JJ (2008) para DSM-V: adicción a Internet. Am J Psiquiatría 165: 306 – 307. doi: 10.1176 / appi.ajp.2007.07101556
  327. 18 Doidge N (2007) O cerebro que se muda: historias do triunfo persoal das fronteiras da ciencia do cerebro. Penguin Books, 1st edición dous: 10.1080 / 10398560902721606
  328. 19 American Psychiatric Association (2013) Manual de diagnóstico e estatística de trastornos mentais (DSM-5). American Psychiatric Publishing (APPI) .. doi: 10.1007 / springerreference_179660
  329. 20 Adicción a internet de Bernardi S (2009) SPallanti (2009): estudo clínico descritivo centrado en comorbilidades e síntomas disociativos. Compr Psiquiatría 50: 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011
  330. 21 Caplan SE (2002) Uso problemático de internet e benestar psicosocial: Desenvolvemento dun instrumento de medida cognitivo-comportamental baseado na teoría. Comput Human Behav 18: 553 – 575. doi: 10.1016 / s0747-5632 (02) 00004-3
  331. 22 Adicción a Internet de Shaw M, Black DW (2008): definición, avaliación, epidemioloxía e xestión clínica. Fármacos CNS 22: 353 – 365. doi: 10.2165 / 00023210-200822050-00001
  332. 23 Tao R, Huang X, Wang J, Zhang H, Zhang Y, et al. (2010) Criterios de diagnóstico propostos para a dependencia de internet. Adicción 105: 556 – 564. doi: 10.1111 / j.1360-0443.2009.02828.x
  333. 24 Ding W, Sun J, Sun Y, Zhou Y, Li L, et al. (2013) Conectada funcional en estado de repouso de rede predeterminada alterada en adolescentes con adicción a xogos de internet. PLOS ONE 8: e59902. doi: 10.1371 / journal.pone.0059902
  334. 25 Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Integridade anormal da materia branca en adolescentes con trastorno por adicción a internet: estudo de estatísticas espaciais baseadas no tracto. PLOS ONE 7: e30253. doi: 10.1371 / journal.pone.0030253
  335. 26 Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Diminución da conectividade cerebral funcional en adolescentes con adicción a internet. PLOS ONE 8: e57831. doi: 10.1371 / journal.pone.0057831
  336. 27 Liu J, Yuan L, Ye J (2010) Un algoritmo eficiente para unha clase de problemas de lazo fusionado. En: KDD. pp. 323 – 332.
  337. 28 Yuan K, Cheng P, Dong T, Bi Y, Xing L, et al. (2013) Anormalidades do grosor cortical na última adolescencia coa adicción aos xogos en liña. PLOS ONE 8: e53055. doi: 10.1371 / journal.pone.0053055
  338. 29 Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2011) Anormalidades das materias grises na adicción a internet: estudo morfométrico baseado en voxel. Eur J Radiol 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025
  339. 30 Yuan K, Jin C, Cheng P, Yang X, Dong T, et al. (2013) Amplitude de anormalidades de baixa frecuencia en os adolescentes con adicción a xogos en liña. PLOS ONE 8: e78708. doi: 10.1371 / journal.pone.0078708
  340. 31 Zuo XN, Ehmke R, Mennes M, Imperati D, Castellanos FX, et al. (2012) Centralidade da rede no conectivo funcional humano. Córtex Cerebral 22: 1862 – 1875. doi: 10.1093 / cercor / bhr269
  341. 32 Koschützki D, Lehmann KA, Peeters L, Richter S, Tenfelde-Podehl D, et al. (2005) Índices de centralidade. En: Brandes U, Erlebach T, editores, Análise de rede: fundamentos metodolóxicos. Nova York: Springer-Verlag, tomo 3418, pp 16 – 61.
  342. 33 Beard KW, Wolf EM (2001) Modificación nos criterios de diagnóstico propostos para a adicción a internet. Cyberpsychol Behav 4: 377 – 383. doi: 10.1089 / 109493101300210286
  343. 34 Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Activadores cerebrais asociados ao impulso de xogos en vicio en liña. J Psiquiatra Res 43: 739 – 747. doi: 10.1016 / j.jpsychires.2008.09.012
  344. 35 Young KS (1998) Atrapado na rede: como recoñecer os signos da adicción á Internet e unha estratexia gañadora de recuperación. John Wiley e Fillos.
  345. 36. Patton JH, Stanford MS, Barratt ES (1995) Estrutura do factor da escala de impulsividade barratt. J Clin Psychol 51: 768-774. doi: 10.1002 / 1097-4679 (199511) 51: 6 <768 :: aid-jclp2270510607> 3.0.co; 2-1
  346. 37 Huang X, Zhang Z (2001) A compilación do inventario de disposicións de xestión do tempo para a adolescencia. Acta Psychol Sin 33: 338 – 343.
  347. 38 Goodman R (1997) Cuestionario sobre os puntos fortes e as dificultades: unha nota de investigación. J Psicoloxía psicolóxica infantil 38: 581 – 586. doi: 10.1111 / j.1469-7610.1997.tb01545.x
  348. 39 Epstein NB, Baldwin LM, Bishop DS (1983) The Device Assessment Family McMaster. J Marital Fam: 9: 171 – 180. doi: 10.1111 / j.1752-0606.1983.tb01497.x
  349. 40 Yan CG, Zang YF (2010) DPARSF: caixa de ferramentas MATLAB para a análise de datos “pipeline” do RMF en estado de repouso. Neurosci frontal Syst 4: 13. doi: 10.3389 / fnsys.2010.00013
  350. 41 Song XW, Dong ZY, Long XY, Li SF, Zuo XN, et al. (2011) REST: un kit de ferramentas para o procesamento de datos de resonancia magnética funcional en estado de repouso. PLOS ONE 6: e25031. doi: 10.1371 / journal.pone.0025031
  351. 42 Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) As correlacións espuriosas pero sistemáticas nas redes de RMN de conectividade funcional xorden do movemento do suxeito. Neuroimage 59: 2142 – 2154. doi: 10.1016 / j.neuroimage.2011.10.018
  352. 43 Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) Etiquetado anatómico automatizado de activacións en SPM utilizando unha parcelación anatómica macroscópica do cerebro dun único suxeito MNI MRI. Neuroimage 15: 273 – 289. doi: 10.1006 / nimg.2001.0978
  353. 44 Achard S, Bullmore E (2007) Eficiencia e custo das redes funcionais cerebrais económicas. PLoS Comput Biol 3: e17. doi: 10.1371 / journal.pcbi.0030017
  354. 45 Bassett DS, Meyer-Lindenberg A, Achard S, Duke T, Bullmore E (2006) Reconfiguración adaptativa das redes funcionais do cerebro humano do mundo pequeno fractal. Proc Natl Acad Sci EUA 103: 19518 – 19523. doi: 10.1073 / pnas.0606005103
  355. 46 Rubinov M, Sporns O (2010) Redes complexas medidas de conectividade cerebral: Usos e interpretacións. Neuroimage 52: 1059 – 1069. doi: 10.1016 / j.neuroimage.2009.10.003
  356. 47 Smit DJA, Stam CJ, Posthuma D, Boomsma DI, De Geus EJC (2008) Heritabilidade de redes de "mundo pequeno" no cerebro: unha análise gráfica teórica da conectividade funcional EEG en estado de repouso. Hum Brain Mapp 29: 1368 – 1378. doi: 10.1002 / hbm.20468
  357. 48 Zhang J, Wang J, Wu Q, Kuang W, Huang X, et al. (2011) Redecidas as redes de conectividade cerebral en trastorno depresivo maior de primeiro episodio en vapefactos. Biol Psiquiatría 70: 334 – 342. doi: 10.1016 / j.biopsych.2011.05.018
  358. 49 Latora V, Marchiori M (2001) Comportamento eficiente das redes do mundo pequeno. Phys Rev Lett 87: 198701. doi: 10.1103 / physrevlett.87.198701
  359. 50 Watts DJ, Strogatz SH (1998) Dinámica colectiva de redes do "mundo pequeno". Natureza 393: 440 – 442. doi: 10.1038 / 30918
  360. 51 He Y, Wang J, Wang L, Chen ZJ, Yan C, et al. (2009) Descubrindo a organización modular instrínseca da actividade cerebral espontánea en humanos. PLOS ONE 4: 1 – 17. doi: 10.1371 / journal.pone.0005226
  361. 52 Gong G, Rosa-Neto P, Carbonell F, Chen ZJ, He Y, et al. (2009) Diferenzas relacionadas coa idade e o xénero na rede anatómica cortical. J Neurosci 29: 15684 – 15693. doi: 10.1523 / jneurosci.2308-09.2009
  362. 53 Tian L, Wang J, Yan C, He Y (2011) Diferencias relacionadas co hemisferio e o xénero nas redes cerebrais do mundo pequeno: Un estudo de resonancia funcional en estado de repouso. Neuroimage 54: 191 – 202. doi: 10.1016 / j.neuroimage.2010.07.066
  363. 54 Zhu W, Wen W, He Y, Xia A, Anstey KJ, et al. (2012) Cambio de patróns topolóxicos no envellecemento normal usando redes estruturais a gran escala. Neurobiol envellecemento 33: 899 – 913. doi: 10.1016 / j.neurobiolaging.2010.06.022
  364. 55 Hayasaka S, Laurienti PJ (2010) Comparación de características entre as análises de rede baseadas na rexión e na voxel nos datos de fmri en estado de repouso. Neuroimage 50: 499 – 508. doi: 10.1016 / j.neuroimage.2009.12.051
  365. 56 Fornito A, Zalesky A, Bullmore ET (2010) Efectos de escala de rede en estudos de análise de gráficos de datos de resonancia magnética en estado humano en repouso. Neurosci frontal Syst 4: 22. doi: 10.3389 / fnsys.2010.00022
  366. 57 Zalesky A, Fornito A, Harding IH, Cocchi L, Yücel M, et al. (2010) Redes anatómicas de todo o cerebro: importa a elección de nodos? Neuroimage 50: 970 – 983. doi: 10.1016 / j.neuroimage.2009.12.027
  367. 58 Dosenbach NUF, Nardos B, Cohen AL, Fair DA, Power JD, et al. (2010) Predición da madurez cerebral individual usando fmri. Ciencia 329: 1358 – 1361. doi: 10.1126 / science.1194144
  368. 59 Maslov S, Sneppen K (2002) Especificación e estabilidade na topoloxía de redes de proteínas. Ciencia 296: 910 – 913. doi: 10.1126 / science.1065103
  369. 60. Buckner RL, Andrew-Hanna JR, Schacter DL (2008) A rede de modos predeterminada do cerebro: anatomía, función e relevancia para a enfermidade. Ann NY Acad Sci 1124: 1-38. doi: 10.1196 / annals.1440.011
  370. 61 Greicius MD, Krasnow B, Reiss AL, Menon V (2003) Conectividade funcional no cerebro en repouso: unha análise en rede da hipótese do modo predeterminado. Proc Natl Acad Sci EUA 100: 253 – 258. doi: 10.1073 / pnas.0135058100
  371. 62 Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et al. (2001) Modo predeterminado da función cerebral. Proc Natl Acad Sci EUA 98: 676 – 682. doi: 10.1073 / pnas.98.2.676
  372. 63 Fair DA, Dosenbach NUF, Church JA, Cohen AL, Brahmbhatt S, et al. (2007) Desenvolvemento de distintas redes de control mediante segregación e integración. Proc Natl Acad Sci EUA 104: 13507 – 13512. doi: 10.1073 / pnas.0705843104
  373. 64 Fair DA, Cohen AL, Power JD, Dosenbach NUF, Church JA, et al. (2009) As redes cerebrais funcionais desenvólvense desde unha organización "local a distribuída". PLoS Comput Biol 5: e1000381. doi: 10.1371 / journal.pcbi.1000381
  374. 65 Kelly AC, Di Martino A, Uddin LQ, Zarrar Shehzad1 DGG, Reiss PT, et al. (2009) Desenvolvemento da conectividade funcional do cingulado anterior desde a infancia ata a idade adulta. Córtex Cerebral 19: 640 – 657. doi: 10.1093 / cercor / bhn117
  375. 66 Supekar K, Musen M, Menon V (2009) Desenvolvemento de redes cerebrais funcionais a gran escala en nenos. PLoS Biol 7: e1000157. doi: 10.1371 / journal.pbio.1000157
  376. 67 Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Diminución da conectividade funcional interhemisférica no autismo. Córtex Cerebral 21: 1134 – 1146. doi: 10.1093 / cercor / bhq190
  377. 68 Wilson TW, Rojas DC, Reite ML, Teale PD, Rogers SJ (2007) Os nenos e adolescentes con autismo presentan respostas gamma MEG en estado estacionario reducidas. Biol Psiquiatría 62: 192 – 197. doi: 10.1016 / j.biopsych.2006.07.002
  378. 69 Uddin LQ, Supekar K, Menon V (2010) Desenvolvemento típico e atípico de redes cerebrais humanas funcionais: visións da resonancia magnética en estado de repouso. Neurosci frontal Syst 4: 21. doi: 10.3389 / fnsys.2010.00021
  379. 70 Uddin LQ, Supekar KS, Ryali S, Menon V (2011) Reconfiguración dinámica da conectividade estrutural e funcional a través das redes cerebrais neurocognitivas fundamentais co desenvolvemento. J Neurosci 31: 18578 – 18589. doi: 10.1523 / jneurosci.4465-11.2011
  380. 71 Liang M, Zhou Y, Jiang T, Liu Z, Tian L, et al. (2006) Desconectividade funcional en esquizofrenia con imaxes de resonancia magnética funcional en estado de repouso. Neurorreport 17: 209 – 213. doi: 10.1097 / 01.wnr.0000198434.06518.b8
  381. 72 Dedelkurts AA, Dedelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2006) Aumentou a conectividade funcional local e reducida en bandas de frecuencia alfa e beta de EEG en pacientes dependentes de opioides. Psicofarmacoloxía 188: 42 – 52. doi: 10.1007 / s00213-006-0474-4
  382. 73 Dedelkurts AA, Dedelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2007) A retirada de opioides produce unha conectividade funcional local e remota aumentada nas bandas de frecuencias alfa e beta EEG. Neurosci Res 58: 40 – 49. doi: 10.1016 / j.neures.2007.01.011
  383. 74 Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et al. (2011) Conectividade funcional en estado de repouso interhemisférico reducido na adicción á cocaína. Biol Psiquiatría 69: 684 – 692. doi: 10.1016 / j.biopsych.2010.11.022
  384. 75. Fair DA, Cohen AL, Church NUDJA, Miezin FM, Barch DM, et al. (2008) A arquitectura madura da rede predeterminada do cerebro. Proc Natl Acad Sci USA 105: 4028-4032. doi: 10.1073 / pnas.0800376105
  385. 76 Bullmore E, Sporns O (2009) Redes cerebrais complexas: Análise teórica gráfica de sistemas estruturais e funcionais. Rev Rev Nurosci 10: 186 – 198. doi: 10.1038 / nrn2575
  386. 77 É Y, Evans A (2010) Modelación teórica gráfica da conectividade cerebral. Curr Opin Neurol 23: 341 – 350.
  387. 78 Stam CJ (2010) Caracterización da conectividade anatómica e funcional no cerebro: unha perspectiva de redes complexas. X J Psicofisiol 77: 186 – 194. doi: 10.1016 / j.ijpsycho.2010.06.024
  388. 79 Wang J, Zuo X, He Y (2010) Análise de rede baseada en gráficos da resonancia magnética funcional en estado de repouso. Neurosci frontal Syst 4: 16. doi: 10.3389 / fnsys.2010.00016
  389. 80 Latora V, Marchiori M (2003) Comportamento económico do mundo pequeno en redes ponderadas. Eur Physical Journal B 32: 249 – 263. doi: 10.1140 / epjb / e2003-00095-5
  390. 81 Tononi G, Edelman GM, Sporns O (1998) Complexidade e coherencia: Integrar información no cerebro. Tendencias en Ciencias Cognitivas 2: 474 – 484. doi: 10.1016 / s1364-6613 (98) 01259-5
  391. 82 Mayberg HS (1997) Desregulación límbico-cortical: un modelo de depresión proposto. J Neuropsichiatry Clin Neurosci 9: 471 – 481.
  392. 83 Goldstein RZ, Tomasi D, Rajaram S, Cottone LA, Zhang L, et al. (2007) Papel da corteza orbitofrontal anterior do cingulado e medial no procesamento dos medicamentos na adicción á cocaína. Neurociencia 144: 1153 – 1159. doi: 10.1016 / j.neuroscience.2006.11.024
  393. 84 Grüsser SM, Wrase J, Klein S, Hermann D, Smolka MN, et al. (2004) A activación inducida polo matriz do estriato e a cortiza prefrontal medial está asociada á posterior recaída en alcohólicos abstinentes. Psicofarmacoloxía (Berl) 175: 296 – 302. doi: 10.1007 / s00213-004-1828-4
  394. 85 Miedl SF, Fehr T, Meyer G, Herrmann M (2010) Correlacións neurobiolóxicas do xogo de problemas nun escenario de case negro realista como revelou a RMN. Res psiquiatría 181: 165 – 173. doi: 10.1016 / j.pscychresns.2009.11.008
  395. 86 Matochik JA, London ED, Eldreth DA, Cadet JL, Boll KI (2003) Composición frontal de tecido cortical en abusantes de cocaína abstinentes: estudo de resonancia magnética. Neuroimage 19. doi: 10.1016 / s1053-8119 (03) 00244-1
  396. 87 Fujiwara J, Tobler PN, Taira M, Iijima T, Tsutsui KI (2009) Codificación segregada e integrada de recompensa e castigo na córtex cingulada. J Neurofisiol 101: 3284 – 3293. doi: 10.1152 / jn.90909.2008
  397. 88 Yu C, Gupta J, Yin HH (2010) O papel do tálamo mediodorsal na diferenciación temporal de accións guiadas por recompensas. Neurosci integrada frontal 4: 14. doi: 10.3389 / fnint.2010.00014
  398. 89 Corbit LH, Muir JL, Balleine BW (2003) As lesións do tálamo mediodorsal e dos núcleos talámicos anteriores producen efectos disociables sobre o condicionamento instrumental nas ratas. Eur J Neurosci 18: 1286 – 1294. doi: 10.1046 / j.1460-9568.2003.02833.x
  399. 90 Saper CB (2002) O sistema nervioso autonómico central: percepción visceral consciente e xeración de patróns autónomos. Annu Rev Neurosci 25: 433 – 469. doi: 10.1146 / annurev.neuro.25.032502.111311
  400. 91 Ray JP, Prince JL (1993) A organización de proxeccións desde o núcleo mediodorsal do tálamo ata a corteza prefrontal orbital e media en monos macacos. J Comp Neurol 337: 1 – 31. doi: 10.1002 / cne.903370102
  401. 92 Rolls ET (2004) As funcións da córtex orbitofrontal. Brain Cogn 55: 11 – 29. doi: 10.1016 / s0278-2626 (03) 00277-x
  402. 93 Dong G, Huang J, Du X (2012) Alteracións na homoxeneidade rexional da actividade cerebral en estado de repouso en adictos a xogos de internet. Behav Brain Funct 18: 8 – 41. doi: 10.1186 / 1744-9081-8-41
  403. 94 Steriaia M, Llinás RR (1998) Os estados funcionais do tálamo e a interacción neuronal asociada. Fisiol Rev 68: 649 – 742.
  404. 95 Stein T, Moritz C, Quigley M, Cordes D, Haughton V, et al. (2000) Conectividade funcional no tálamo e no hipocampo estudada con imaxes mr funcionais. AJNR Am J Neuroradiol 21: 1397 – 1401.
  405. 96. Burgess N, Maguire EA, O'Keefe J (2002) O hipocampo humano e a memoria espacial e episódica. Neuron 35: 625-641. doi: 10.1016 / s0896-6273 (02) 00830-9
  406. 97 Warburton EC, Baird A, Morgan A, Muir JL, Aggleton JP (2001) A importancia conxunta dos hipocumpas e dos núcleos talámicos anteriores para todas as aprendizaxes espaciais allocentricas: evidencia dun estudo de desconexión na rata. J Neurosci 21: 7323 – 7330.
  407. 98 Garavan H, Hester R, Murphy K, Fassbender C, Kelly C (2006) Diferenzas individuais na neuroanatomía funcional do control inhibidor. Res cerebro 1105: 130 – 142. doi: 10.1016 / j.brainres.2006.03.029
  408. 99. Menon V, Adleman NE, CD branco, Glover GH, Reiss AL (2001) Activación cerebral relacionada con erros durante unha tarefa de inhibición da resposta Go / NoGo. Hum Brain Mapp 12: 131-143. doi: 10.1002 / 1097-0193 (200103) 12: 3 <131 :: aid-hbm1010> 3.0.co; 2-c
  409. 100 Whitfield-Gabrieli S, Ford JM (2012) Actividade de rede por defecto e conectividade en psicopatoloxía. Annu Rev Clin Psychol 8: 49 – 76. doi: 10.1146 / annurev-clinpsy-032511-143049
  410. 101 Ding X, Lee SW (2013) Rexións do cerebro reproducibles relacionadas coa adicción á cocaína de conectividade funcional de rede de modo predeterminado anormal: Un estudo de grupo con diferentes ordes de modelos. Neurosci Lett 548: 110 – 114. doi: 10.1016 / j.neulet.2013.05.029
  411. 102 Ma N, Liu Y, Fu XM, Li N, Wang CX, et al. (2011) Conectividade funcional de rede por defecto anormal do cerebro en toxicómanos. PLOS ONE 6: e16560. doi: 10.1371 / journal.pone.0016560
  412. 103 Tschernegg M, Crone JS, Eigenberger T, Schwartenbeck P, Fauth-Bühler M, et al. (2013) Anormalidades das redes cerebrais funcionais no xogo patolóxico: un enfoque teórico-gráfico. Neuroscivos dianteiros Hum 7: 625. doi: 10.3389 / fnhum.2013.00625
  413. 104 Kolb B, Whishaw IQ (1998) Plasticidade e comportamento do cerebro. Annu Rev Psychol 49: 43 – 64. doi: 10.1146 / annurev.psych.49.1.43
  414. 105 Shaw CA, McEachern J, editores (2001) Cara a unha teoría neuroplasticidade. Prensa de Psicoloxía.
  415. 106 Kolb B, Gibb R (2003) Plasticidade e comportamento do cerebro. Curr Dir Psychol Sci 12: 1 – 5. doi: 10.1111 / 1467-8721.01210
  416. 107 Kolb B, Gibb R (2011) Plasticidade e comportamento cerebrais no cerebro en desenvolvemento. J Can Acad Psiquiatría infantil infantil 20: 265-276.
  417. 108 Robinson TE, Berridge KC (1993) A base neuronal da ansia de drogas: unha teoría de sensibilización incentiva á adicción. Brain Res Rev 18: 247 – 291. doi: 10.1016 / 0165-0173 (93) 90013-p
  418. 109. Alavi SS, Maracy MR (2011) O efecto dos síntomas psiquiátricos no trastorno da adicción a internet nos estudantes universitarios de Isfahan. J Res Med Sci 16: 793-800.
  419. 110. Egger O, Rauterberg M (1996) Comportamento e adicción a Internet. Informe técnico, Unidade de Psicoloxía do Traballo e das Organizacións (IFAP), Instituto Federal de Tecnoloxía Suízo (ETH), Zúric.
  420. 111 Petrie H, Gunn D (1998) Internet "dependencia": os efectos do sexo, idade, depresión e introversión. En: British Psychological Society London Conference. Londres, Gran Bretaña: British Psychological Society. Ponencia presentada na British Psychological Society London Conference.