A actividade de múltiples tarefas de medios superiores está asociada coa densidade de materia gris máis pequena na Cortex Cingular Anterior (2014)

Cita: Loh KK, Kanai R (2014) A actividade de varias tarefas de medios superiores está asociada a unha densidade máis pequena de materia gris no córtex cingulado anterior. PLOS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Editor: Katsumi Watanabe, Universidade de Tokio, Xapón

Recibido: Febreiro 25, 2014; Aceptada: Agosto 8, 2014; Publicado en: Setembro 24, 2014

Copyright: © 2014 Loh, Kanai. 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: O financiamento deste proxecto derivou dunha subvención PRESTO da Axencia Científica e Tecnolóxica de Xapón. Os financiadores non tiveron ningún papel no deseño do estudo, na recollida e na análise de datos, na decisión de publicación ou na preparación do manuscrito.

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

introdución

Multitasking de mediosou o consumo simultáneo de múltiples medios de comunicación, é cada vez máis predominante na sociedade moderna [1] e asociouse coa diminución das habilidades de control cognitivo [2] así como impactos psicosociais negativos como a depresión e a ansiedade social [3], benestar social negativo [4], e mal rendemento académico [5]. Non obstante, nesta conxuntura, pouco se sabe sobre os procesos neuronais asociados á multi-tarefa de medios. O presente estudo investigou as relacións entre a actividade de multitasking dos medios e a variabilidade da estrutura cerebral. As investigacións demostraron que a estrutura cerebral pode alterarse cunha exposición prolongada a novos ambientes [6] así como formación e experiencia [7], [8]. Ademais, a variabilidade rexional na materia branca e gris, avaliada a través da morfometría baseada en Voxel (VBM) predice de xeito fidedigno diferenzas individuais nunha gama de funcións cognitivas (ver [9] para unha revisión). Con base nos resultados anteriores, hipotetizamos que os compromisos diferenciais en multitarea nos medios tamén reflectirían as diferenzas nas estruturas cerebrais rexionais.

Na investigación actual, o Índice Multitarea Multimedia (MMI, [2]) Adóptase como medida do trazo multitarea. As puntuacións de MMI asociaron constantemente ao desempeño individual en tarefas de control cognitivo [2], [10],[11]. Así, serven como un comportamento confiable coa variabilidade da estrutura cerebral. Agardabamos que a puntuación de MMI dun individuo reflectise as diferenzas de estrutura cerebral, especialmente nas rexións de control cognitivo e multitasking. As investigacións anteriores converxeron no papel das rexións corticais prefrontal no control cognitivo [12], [13], [14], [15]. Baseado nun estudo de lesións realizado por [16], diferentes rexións están implicadas en aspectos disociables da multitasking: os cingulados anteriores e posteriores están implicados na memoria retrospectiva, e as rexións prefrontais están implicadas na memoria e na planificación prospectivas. Como tal, esperabamos atopar asociacións entre a actividade de multitasking dos medios e a variabilidade estrutural nestas rexións. A actividade multitasking dos medios está intimamente ligada aos trazos de personalidade (é dicir, neurotismo e extraversión [3]), que á súa vez, son predictivos das diferenzas estruturais do cerebro [17]. Así, a asociación entre multitasking e estrutura cerebral pode estar confundida por estas diferenzas de trazos. Para investigar esta posibilidade, tamén se examinan as relacións entre os trazos de personalidade de MMI e Big Five.

Obtivemos puntuacións MMI, medidas de trazo de personalidade Big Five e resonancia magnética (IRM) en adultos sans de 75 que relativamente coñecían as computadoras e as tecnoloxías de medios. Para examinar a relación entre a actividade de multitasking dos medios e a variabilidade da estrutura cerebral, primeiro correlacionamos puntuacións de IMM individuais con densidade rexional de materia gris a nivel de cerebro enteiro mediante VBM optimizada. [18]. Tamén examinamos correlacións entre os trazos Big Five e as puntuacións de IMMI. Para botar luz sobre o significado funcional das nosas diferenzas estruturais obtidas, analizamos a actividade cerebral en estado de repouso para dilucidar asociacións entre as puntuacións de IMC e a conectividade funcional no cerebro.

Methods

os participantes

Os adultos sans 75 (idade media = 24.6, SD = 5.0, varóns 38) contratados no grupo de participantes en psicoloxía da University College London (UCL) participaron no estudo actual despois de prestar o seu consentimento por escrito. O estudo foi aprobado polo comité de ética local UCL (código de aplicación de ética: 2213 / 002). Proxectamos os participantes para incluír estudantes universitarios e persoal coñecido coas tecnoloxías de ordenadores e medios de comunicación. Reembolsáronse en efectivo pola súa participación. Entre os participantes de 75 que participaron no estudo VBM, os datos de fMRI foron recollidos dun subconxunto de participantes de 40. As puntuacións de xénero, idade, nivel de educación e IMC non diferían significativamente entre as dúas mostras (Táboa 1).

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  agrandar imaxe (37KB)

• TIFF

  imaxe orixinal (190KB)

Táboa 1. Comparacións entre as características demográficas e as puntuacións de IMM dos participantes implicados en análises VBM e análises de conectividade funcional.

doi: 10.1371 / journal.pone.0106698.t001

Cuestionario multitasking modificado en medios

Unha versión modificada do Cuestionario de multitarea de medios [2] administrouse a todos os participantes. O IMM proporcionou unha medida estable da actividade de múltiples tarefas dun soporte de medios individual. O cuestionario constaba de dúas seccións principais: a primeira sección enumeraba os tipos de medios comúns 12 e os participantes informaron o número total de horas semanais que empregaron cada medio. Na versión modificada empregada no presente estudo, retivéronse os tipos de soporte 10 [2]: Soportes impresos, televisión, vídeo baseado en computadora, música, chamadas de voz mediante móbil ou teléfono, mensaxería instantánea, mensaxería de servizo de mensaxes curtas (SMS), correo electrónico, navegación web e outras aplicacións baseadas en computadoras. O elemento "videoxogos ou xogos de ordenador" foi modificado para incluír xogos en teléfonos móbiles. O elemento "audio sen música" substituíuse por "usar sitios de redes sociais". Os cambios realizáronse para reflectir mellor as tendencias actuais no consumo de medios. O segundo apartado consistiu nunha matriz que implicaba aos participantes indicando canto empregaban ao mesmo tempo todos os outros tipos de medio como usaban un medio primario. Indicouse a cantidade de uso simultáneo nunha escala de 1 a 4 (1 = "Nunca", 2 = "Un pouco do tempo", 3 = "Algunhas das veces" e 4 = "A maioría das veces"). As respostas dos participantes foron recodificadas como segue: "Nunca" = 0, "Un pouco do tempo" = 0.33, "Algunhas veces" = 0.67 e "A maioría das veces" = 1. O resumo das respostas recodificadas para cada medio primario produciu o número medio de medios empregados de xeito simultáneo ao usar un medio primario. O MMI calculouse a partir da seguinte fórmula: Onde estou_i é o número medio de medios que se usan ao mesmo tempo mentres se usa medio primario, i; h_i é o número de horas semanais empregando o medio primario, i; e h_total é o número total de horas semanais empregando todos os formularios de medios.

Inventario dos Cinco Grandes

Inventario dos Cinco Grandes (BFI; [19]) proporcionou unha medida de fíos 44 breve e fiable para os factores de personalidade Big Five: extraversión (ítems 8), conveniencia (elementos 9), conciencia (elementos 9), neurotismo (elementos 8) e apertura á experiencia (elementos 10). Adoptamos o BFI para examinar as asociacións entre os trazos de personalidade MMI e Big Five na nosa mostra.

Adquisición de datos MRI

Utilizouse un escáner 1.5 T Siemens Avanto (Siemens Medical, Erlangen, Alemaña) para adquirir imaxes estruturais de gran resolución con peso T1 para cada participante (MPRAGE; 1 mm³ voxeles cúbicos; 160 franxas; TR = 2730 ms; TE = 3.57 ms). Os datos de resonancia magnética funcionais foron adquiridos mediante secuencias de imaxe eco-planar (EPI) gradiente en gradiente T2 * sensibles ao contraste BOLD. Cada adquisición consistiu en franxas oblicuas 32, resolución 3.0 × 3.0 mm, grosor 2.0 mm con fenda de rebanadas 1.0 mm. As franxas de EPI foron ángulos individualmente para cada suxeito para reducir artefactos de susceptibilidade da cavidade nasal e para maximizar a cobertura para as rexións orbitofrontais e córtex parietal posterior, sacrificando a cobertura sobre o polo temporal. Así, a orientación final oscilou entre 8 ° e 16 °. O intervalo de tempo entre dúas adquisicións sucesivas da mesma porción foi 2528 ms cun ángulo de inclinación de graos 90 e un tempo de eco 44 ms. O campo de vista foi 192 × 192 mm. A resolución dixital no plano foi de 64 × 64 píxeles cunha dimensión de píxeles de 3.0 × 3.0 mm. Todos os datos foron adquiridos cunha bobina de canle 32. Durante a busca de resonancia magnética funcional, se lles instruíu aos participantes que manteñan inmóbiles, que manteñan os ollos abertos e que non pensasen en nada. Unha das operacións consistiu en adquisicións de volumes 180 e os volumes iniciais 6 descartáronse da análise para evitar confusións de magnetización inestable. A execución do estado de reposo fMRI tardou aproximadamente 7.5 minutos.

Análise de Morfometría Baseada en Voxel (VBM)

Morfometría baseada en Voxel (VBM; [20]) é unha técnica de análise de neuroimaginación de uso común que permite as análises estatísticas en boxel de imaxes de RMN preprocesadas. As dixitacións estruturais ponderadas de alta resolución con T1 analizáronse con VBM mediante Mapping Parametric Statistical (SPM8, Departamento de Neuroloxía Cognitiva de Wellcome). As imaxes segmentáronse por primeira vez por materia gris e branca. O rexistro anatómico diffeomórfico mediante álxebra de mentira exponencial (DARTEL) foi posteriormente realizado para co-rexistrar as imaxes da materia gris. Para garantir que o volume rexional de materia gris se mantivo despois do rexistro, as imaxes rexistradas foron moduladas polo determinante xacobiano dos campos de fluxo computados por DARTEL. As imaxes de materia gris rexistradas suavizáronse cun núcleo gaussiano (ancho completo á metade máxima = 10 mm) e logo transformáronse e normalizáronse ao espazo estereotáctico de Montreal Neurological Institute (MNI) para análises de regresión múltiple.

A análise de regresión múltiple foi realizada en imaxes normalizadas de materia gris, con puntuacións de IMC como regresor principal. A idade, o xénero e o volume cerebral total incluíronse como covariados sen interese para todas as regresións. Para detectar voxeles nos que a densidade rexional de materia gris estaba correlacionada con puntuacións de MMI, adoptamos un limiar estricto de p <.05 corrixido cun erro enteiro da familia.

Análise de conectividade funcional

Para realizar a análise de conectividade funcional, empregamos a versión de caixa de ferramentas de conectividade funcional 13 (http://www.nitrc.org/projects/conn; [21]) combinado cos procedementos de preprocesamento de SPM8. Os pasos de preprocesamento, enumerados en orde, incluíron a corrección de cronometraxe, a realineación dos datos de series temporais ao primeiro volume (é dicir, a corrección de movemento), o rexistro de serie de tempo funcional de RMN á correspondente resonancia magnética estrutural. tipos como materia gris, materia branca e fluído cefalorraquídeo (CSF), e normalización ao modelo estándar de MNI e alisado espacial cun filtro gaussiano (FWHM = 8 mm). Os datos da serie horaria filtráronse despois en banda 0.01 Hz-0.1 Hz.

Para a análise de conectividade funcional baseada en sementes, empregamos un único cluster significativo atopado na análise VBM como rexión de interese das sementes (ROI). A serie de tempo medio extraída do ROI usouse un regresor nun modelo de regresión múltiple nunha análise a nivel individual. Para minimizar as influencias de factores confusos, incluíronse regresores para os seis parámetros de corrección de movemento do preprocesamento. Ademais, os sinais BOLD medios para a materia gris, a materia branca e CSF extraéronse das máscaras creadas a partir do procedemento de segmentación e tamén se incluíron como regresores para minimizar as varianzas asociadas a estes sinais globais. Calculáronse correlacións temporais entre o sinal ROI e o resto do cerebro e as correlacións co ROI das sementes convertéronse en puntuacións Z usando a transformación de Fisher para análises de significado de segundo nivel.

Coa imaxe estatística transformada en Z, primeiro determinamos as rexións cerebrais mostrando conectividade funcional co ROI das sementes usando un limiar de Voxel p_{Corrixido por FWE}<0.05. Posteriormente, empregamos un limiar menos rigoroso de p<0.001 (sen corrixir) como máscara para capturar rexións conectadas ao ACC para unha análise de segundo nivel na que pretendiamos atopar rexións cerebrais con puntuacións MMI correlacionadas. Incluímos a idade, o xénero e o volume intracraneal total como covariables e adoptamos un limiar de p <0.05 corrixido cun erro da familia para o volume definido pola máscara inicial. O fundamento do enmascarado inicial era asegurar que a nosa análise fose restrinxida ás rexións cerebrais mostrando unha actividade correlacionada coa rexión das sementes. Mesmo se atopásemos unha correlación con diferenzas individuais fóra destas rexións, estes resultados probablemente reflectirían correlacións espuriosas. Adoptamos un umbral menos estrito para a máscara para aumentar a potencia das nosas análises de segundo nivel.

Os datos procesados ​​por imaxe así como conxuntos de datos que conteñen as variables tanto para as análises de regresión de conectividade VBM como para funcionais están dispoñibles publicamente en: http://dx.doi.org/10.6084/m9.figshare.10​30286.

Resultados

A análise VBM revelou unha asociación negativa entre as puntuacións de IMC e a densidade de materia gris na córtex cingulada anterior (figura 1; ACC; t (70) = 5.16, P_{Corrixido por FWE} <05, tamaño do clúster = 158 voxeles × 1.5³ = 533 mm³; pico coordenada MNI: x = 12, y = 41, z = 3). Non hai outras rexións cerebrais mostradas correlacións significativas coas puntuacións da IMC. Así, unha maior multitarea de medios asociouse con volumes máis pequenos de materia gris no CAC. Non obstante, as análises correlacionais entre os índices IMC e BFI revelaron unha asociación altamente significativa entre os resultados de Extraversion e IMMI (Táboa 2; r = 0.347, p = 0.002). Deste xeito, sospeitabamos que a asociación de materia gris MMI-ACC observada podería confundirse con diferenzas individuais nas puntuacións de extraversión. Ante isto, repetimos a análise VBM anterior controlando aínda máis as puntuacións de BFI como covariables adicionais. Fixemos unha regresión múltiple (con densidade de materia gris como variable dependente) incluíndo MMI e todos os trazos de Big Five como predictores xunto cos covariables demográficos. Unha relación negativa significativa foi observada entre o MMI e o volume de materia gris na rexión ACC idéntica (t (65) = 5.08, P_{Corrixido por FWE}<05, tamaño do clúster = 74 voxeles × 1.5³ = 250 mm³; pico coordenada MNI: x = 12, y = 40, z = 3). Isto suxeriu que hai unha asociación única entre a IMC e a densidade de materia gris no ACC independientemente das variacións dos trazos de personalidade Big Big.

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  agrandar imaxe (475KB)

• TIFF

  imaxe orixinal (768KB)

Figura 1. As análises de regresión da VBM revelaron que as puntuacións de MMI estaban asociadas significativamente coa densidade de materia gris no ACC (t (70) = 5.16, P_{Corrixido por FWE} <0.05, tamaño do clúster = 158 voxels x 1.5³ = 533 mm³; pico coordenada MNI: x = 12, y = 41, z = 3).

A densidade de materia gris axustada no pico voxel (eixo Y) foi correlacionada negativamente (r = −0.54, p<0.001) con puntuacións MMI (eixo X).

doi: 10.1371 / journal.pone.0106698.g001

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  agrandar imaxe (20KB)

• TIFF

  imaxe orixinal (126KB)

Táboa 2. Correlacións entre as puntuacións do índice de multitarea de medios e as puntuacións do Big Five Inventory.

doi: 10.1371 / journal.pone.0106698.t002

Para amosar a importancia funcional dos nosos resultados VBM, buscamos identificar, a través de análises de conectividade funcional, as rexións cerebrais que mostraron unha conectividade significativa coa nosa rexión de interese ACC obtida (ROI). Esta análise revelou que a actividade no ROI ACC obtido estaba correlacionada con varias rexións cerebrais tipicamente caracterizadas como a rede de modo predeterminado incluíndo as unións temporais parietais bilaterais (TPJ; hemisferio dereito, x = 48, y = −64, z = 36, p_{Corrixido por FWE}<0.05; hemisferio esquerdo, x = −44, y = −70, z = 36) e precuneo (x = 4, y = −68, z = 30, p_{Corrixido por FWE}<0.05) entre outras rexións (Táboa 3). Estes resultados suxeriron que o ROI de ACC que atopamos coa análise VBM é probable que caia dentro da DMN. A continuación, investigamos máis se as puntuacións de MMI estiveron asociadas á conectividade entre as nosas rexións de RO RO ACC e DMN. As análises de regresión realizáronse en correlacións transformadas en z entre rexións de ACC e DMN con IMC como principal predictor e idade, sexo e volume cerebral total como covariables. Non apareceron asociacións importantes p_{Corrixido por FWE}<0.05 Non obstante, nun limiar menos estrito de p_{non corrixido}<0.001, maiores puntuacións de MMI asociáronse cunha conectividade máis débil entre o ROI ACC e o precuneus (figura 2; precuneus; t (40) = 5.22, p_{non corrixido}<0.001, tamaño do clúster = 159 mm³; Coordenada MNI máxima: x = 10, y = −50, z = 18). Subliñamos que os nosos resultados de conectividade obtivéronse nun umbral menos estrito e proporcionamos evidencia limitada para facer conclusións sobre as asociacións de conectividade MMI e funcionais. Así, este conxunto de achados serviu só para a interpretación funcional dos nosos resultados VBM.

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  agrandar imaxe (795KB)

• TIFF

  imaxe orixinal (1.17MB)

Figura 2. As análises de regresión revelaron que a conectividade entre o ROI ACC e o Precuneus (intersección de liñas azuis) estivo asociada negativamente ás puntuacións de MMI (Precuneus; t (40) = 5.22, P_{Non corrixido por FWE}<0.001, tamaño do clúster = 159 mm³; Coordenada MNI máxima: x = 10, y = −50, z = 18).

Houbo unha relación negativa (r = −0.68, p<0.001) entre correlacións ACC-Precuneus transformadas en Z axustadas (eixo Y) e puntuacións MMI (eixo X).

doi: 10.1371 / journal.pone.0106698.g002

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  agrandar imaxe (34KB)

• TIFF

  imaxe orixinal (177KB)

Táboa 3. Rexións cerebrais que presentan conectividade funcional co ACC ROI.

doi: 10.1371 / journal.pone.0106698.t003

Conversa

Segundo a hipótese, o presente estudo revelou unha relación significativa entre a multitasking e a estrutura cerebral dos medios: as persoas que informaron cantidades máis altas de multitarea dos medios tiñan unha menor densidade de materia gris no CAC. Esta asociación foi significativa nun limiar estricto (p_{Corrixido por FWE}<0.05) e era independente das diferenzas do trazo de personalidade Big Big. Discutimos posibles interpretacións dos nosos correlatos estruturais á luz de probas recentes sobre funcións de ACC e correlacións de comportamento de MMI.

O ACC serve como nexo crucial das vías de procesamento de información no cerebro e estivo implicado en procesos sensorimotor, nociceptivo, cognitivos e emocionais / motivacionais superiores [22], [23]. Destes, consideramos que a nosa rexión de ACC obtida está relacionada con procesos cognitivos máis altos, xa que a multitarea de medios foi asociada de forma consistente co rendemento de control cognitivo [2], [10], [11], [24]. Ademais, o RO RO ACC presentou unha conectividade funcional significativa coas rexións do cerebro DMN que tamén estaban ligadas normalmente con operacións cognitivas máis elevadas [25], [26].

En termos de procesamento cognitivo, considérase que o ACC está implicado na detección de erros ou conflitos [27], [28]. As activacións de ACC obsérvanse normalmente en tarefas que activan simultaneamente respostas incompatibles, é dicir, a tarefa Stroop [29], [30], atención selectiva [31] e tarefa de flanqueo [32], [33]. En particular, ACC estivo implicada en paradigmas de dobre tarefa [34], [35] onde un individuo se enfronta a estímulos e respostas en competencia asociadas a dúas ou máis tarefas. Análogamente con isto, na multitasking dos medios, as persoas enfróntanse a diferentes demandas de tarefas asociadas aos múltiples tipos de soporte que usan simultaneamente. Así, o ROI obtido podería estar implicado en funcións de control cognitivo relacionadas con dobre tarefa. Un dos aspectos críticos é que as funcións mencionadas normalmente son atribuídas ao ACC dorsal en lugar da rexión onde se sitúa o noso ROI. [23], [32], [35], [36]. Non obstante, os investigadores observaron que esta delineación non é absoluta [23], [34], [37]. En particular, en apoio da nosa interpretación actual, Dreher e compañeiros [34] informou de que o ACC rostral está implicado exclusivamente na detección de conflitos no contexto da dobre tarefa.

O noso achado principal indicou que os multitareares máis pesados ​​tiñan volumes ACC máis pequenos. Para dilucidar posibles implicacións comportamentais de volumes reducidos de ACC en multitarea pesada, examinamos estudos de comportamento que vinculan a MMI e o control cognitivo. Un estudo de referencia feito por Ophir et al. [2] primeiro revelou a relación entre o aumento da actividade de multitarea e un control cognitivo máis deficiente. Iniciaron a participantes nunha serie de tarefas de control cognitivo como a tarefa Stroop, a conmutación de tarefas, o filtrado de distractores e as tarefas n-back. Fronte aos distractores, os multitarea pesados ​​(en relación aos multitarea máis lixeiros) foron máis lentos na detección de cambios nos patróns visuais, máis susceptibles a falsos recordos dos distractores durante unha tarefa de memoria e foron máis lentos no cambio de tarefas. Os autores suxeriron que os multitarea pesados ​​eran menos capaces de restrinxir a súa atención só para realizar información relevante. Lui e Wong [24] proporcionaron evidencias de que os multitarea máis pesados ​​foron peores ao inhibir estímulos irrelevantes para a tarefa e, polo tanto, foron capaces de funcionar mellor nas tarefas de integración multisensorial. Un estudo posterior [11] demostrou que os multitarea pesados ​​obtiveron un rendemento peor na operación Span Task (OSPAN), que era moi similar a un paradigma de dobre tarefa xa que os participantes tiñan que resolver simultaneamente problemas de matemáticas e memorizar as letras presentadas. As pesadas tarefas tamén denunciaron máis fallos de atención na vida cotiá [38]. Non obstante, un estudo recente realizado por Alzahabi e Becker [10] descubriron resultados contrarios: multitarea máis pesada non foi peor no desempeño de dobre tarefa e mellor no cambio de tarefas. Tamén foron incapaces de replicar as conclusións de Ophir et al., A pesar de empregar tarefas idénticas. Os autores observaron que a súa mostra foi principalmente feminina e isto podería ter resultado nos seus descubrimentos discrepantes. Destacaron a importancia dos estudos lonxitudinais para revelar relacións robustas entre o IMC e o control cognitivo.

En resumo, a literatura MMI existente xeralmente suxire que os individuos que se dedican a unha multitarea máis pesada en medios amosan máis malas capacidades de control cognitivo. Os nosos resultados actuais estenden esta literatura vinculando a actividade máis intensa de multitarea de medios con volumes máis pequenos no ACC: unha rexión cerebral que está implicada no control cognitivo baseado en evidencias converxentes de neuroimaginación. Destacamos, non obstante, que se precisa máis traballo para establecer a relación entre a estrutura de ACC e as habilidades de control cognitivo. Os estudos de pacientes con lesións de ACC obtiveron perspectivas moi mixtas sobre a necesidade de ACC nas súas funcións cognitivas implicadas [39], [40], [41].

Tamén existe a posibilidade de que a nosa rexión ACC obtida estea involucrada en procesos emocionais / motivacionais xa que está situada no ACC rostral que normalmente está ligado á motivación e ao procesamento de emocións. [23]. Os volumes reducidos de ACC foron frecuentemente implicados en trastornos que implican un procesamento emocional-motivacional aberrante como o trastorno obsesivo-compulsivo. [42], trastorno de estrés postraumático [43], depresión [44] e as adiccións ás drogas e ás non drogas [45], [46]. Con esta perspectiva, é plausible que os multitareares máis pesados, cun volume de ACC reducido, poidan estar menos dispostos na regulación emocional e motivacional. De feito, as puntuacións máis altas de MMI están relacionadas co neurotismo aumentado, coa busca de sensacións e coa impulsividade [3], [11] e resultados socio-emocionais negativos [4]. Curiosamente, o patrón das diferenzas estruturais cerebrais obtidas no presente estudo foi similar aos correlatos neurais da adicción a Internet (IA). Os individuos con IA, definidos simplemente como un uso excesivo patolóxico de Internet ou ordenadores, atopáronse na diminución da densidade de materia branca e gris no ACC [46], [47], [48]. Pode haber a posibilidade de que as dúas construcións, a multitarea de medios e IA, se sobrepostasen: o MMI proporcionaba unha medida de cantas persoas usaban varios dispositivos á vez e isto podería estar relacionado con IA o que implica un uso excesivo de computadoras e internet.

Unha limitación importante para o presente traballo é que os nosos resultados obtéñense a partir dun estudo transversal sobre a relación entre o comportamento multitarea dos medios e a estrutura cerebral. Así, a dirección de causalidade entre elas non pode determinarse. Aínda que é posíbel que os individuos con menor ACC sexan máis susceptibles á multitasking debido á capacidade máis débil no control cognitivo ou na regulación socioemocional, é igualmente plausible que maiores niveis de exposición a situacións de multitarea provocen cambios estruturais no ACC. É necesario un estudo lonxitudinal para determinar de forma inequívoca a dirección da causalidade. Os nosos resultados actuais abren un camiño a tales investigacións proporcionando un vínculo empírico entre a actividade de multitasking dos medios e as diferenzas estruturais do CAC. Outro aspecto é que os resultados actuais poden non estenderse máis aló da nosa poboación estudada, que é relativamente altamente educada e ben exposta á tecnoloxía. En efecto, os patróns de consumo de medios poderían estar moi influenciados por factores demográficos [1]. Así, estudos futuros deberían examinar o papel de factores demográficos como a educación e o estado socioeconómico para moderar a relación entre a multitasking dos medios, o rendemento cognitivo e as estruturas cerebrais.

En conclusión, os individuos que participaron en máis actividades multitasking tiveron menores volumes de materia gris no CAC. Isto tamén podería explicar o rendemento de control cognitivo máis pobre e os resultados socio-emocionais negativos asociados ao aumento de multitasking nos medios. Aínda que a natureza transversal do noso estudo non nos permite especificar a dirección da causalidade, os nosos resultados crearon novas asociacións entre comportamentos de multitarea de medios individuais e diferenzas de estrutura ACC.

Contribucións do autor

Concibiron e deseñaron os experimentos: KL RK. Realizaron os experimentos: KL RK. Analizados os datos: KL RK. Reactivos aportados / materiais / ferramentas de análise: KL RK. Escribiu o artigo: KL RK.