A análise baseada en rede revela a conectividade funcional relacionada coa tendencia á dependencia de Internet (2016)

Front Hum Neurosci. 2016; 10: 6.

Publicado en liña 2016 Feb 1. doi: 10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tanya Wen^1,^2,^* Shulan Hsieh^1,^3,^4,^*

Información do autor ► Notas de artigos ► Información sobre dereitos de autor e licenza ►

Abstracto

A ocupación e o uso compulsivo de internet poden ter efectos psicolóxicos negativos, de xeito que se está recoñecendo cada vez máis como un trastorno mental. O presente estudo empregou estatísticas baseadas en rede para explorar como as conexións funcionais do cerebro enteiro en repouso están relacionadas coa medida do nivel de adicción a internet dun individuo, indexado por un cuestionario auto-clasificado. Identificamos dúas redes topoloxicamente significativas, unha con conexións correlacionadas positivamente coa tendencia á adicción a internet e outra con conexións correlacionadas negativamente coa tendencia á adicción a internet. As dúas redes están interconectadas principalmente na rexión frontal, o que pode reflectir alteracións na rexión frontal por distintos aspectos do control cognitivo (é dicir, para o control do uso de internet e habilidades de xogo). A continuación, clasificamos o cerebro en varios grandes subgrupos rexionais, e descubrimos que a maioría das proporcións de conexións nas dúas redes corresponden ao modelo cerebral de adicción que engloba o modelo de catro circuítos.

Por último, observamos que as rexións cerebrais con máis conexións interrexionais asociadas á tendencia da adicción a internet replican as que se observan frecuentemente na literatura de adicción e que se corrobora a nosa metaanálise de estudos sobre adicción a internet. Esta investigación proporciona unha mellor comprensión das redes a gran escala implicadas na tendencia da adicción a internet e demostra que os niveis preclínicos de dependencia en internet están asociados a rexións e conexións similares como casos clínicos de adicción.

Palabras clave: adicción a internet, estatísticas baseadas en rede, conectividade funcional, estado de repouso, metaanálise

introdución

Adicción a Internet (OReilly, 1996; Mozo, 1998) é un fenómeno moderno que se caracteriza pola preocupación e o uso compulsivo de internet. En concreto, o trastorno de xogo en internet (IGD) figura na sección III do Manual de diagnóstico e estatística 5 (DSM-5)^®, Asociación Americana de Psiquiatría [APA], 2013). Debido a unha falta de criterio estándar, algunha literatura tratou as dúas terminoloxías como sinónimas (ver Petry e O'Brien, 2013; Petry et al., 2014 para unha discusión); con todo, o uso compulsivo e excesivo de internet para calquera actividade (á que nos referiremos nesta literatura como adicción a internet) é máis global que o seu subtipo principal IGD, que pode incluír múltiples formas de uso de internet ademais do xogo en liña (Griffiths e Pontes, 2014; Király et al., 2014; Petry et al., 2014). O noso estudo actual investiga a adicción a internet de forma máis xeral. Semellante aos trastornos no consumo de substancias, a adicción a internet mostra síntomas de abstinencia, tolerancia, perda de control e problemas psicosociais, o que conduce a angustia ou deterioración clínicamente significativa no funcionamento diario. A prevalencia parece nos países asiáticos máis altos e nos adolescentes masculinos, e estímase que oscilou entre 14.1 e 16.5% (intervalo de confianza 95 por cento) entre os estudantes universitarios de Taiwán nun estudo (Lin et al., 2011). O fenómeno foi atraendo máis atención nos últimos anos e merece claramente máis investigacións.

A imaxe por resonancia magnética funcional (RMN) empregouse para identificar os substratos neuronais da adicción a internet, que resultou amosar firmas cerebrais similares con adiccións relacionadas coas sustancias. (Kuss e Griffiths, 2012; Brand et al., 2014; Meng et al., 2015). En estudos bloqueados e relacionados cos eventos, identificáronse varias rexións asociadas á recompensa, a adicción e as ansias contrastando as pistas de xogo en internet coa liña base, que inclúe a insula, o núcleo accumbens (NAc), a corteza prefrontal dorsolateral (DLPFC) e o frontal orbital. cortiza (OFC) (Hoeft et al., 2008; Ko et al., 2009; Han et al., 2010; Sun et al., 2012; Ko et al., 2013). Non obstante, os enfoques baseados na activación contrastan coa actividade relacionada co sinal e non abordan o xeito en que as rexións do cerebro interactúan e, polo tanto, non poden caracterizar conexións funcionais alteradas asociadas a medidas clínicas ou de comportamento; Non obstante, os trastornos humanos son o resultado de perturbacións nun sistema complexo interconectado (Fornito e Bullmore, 2015). A introdución da resonancia magnética do estado de repouso demostrou ser unha poderosa ferramenta para estudar a conectividade neuronal do cerebro enteiro (van den Heuvel e Pol, 2010). A conectividade funcional en estado de repouso avalíase pola correlación de flutuacións espontáneas de sinais dependentes do nivel de osíxeno en sangue (BOLD) en distintas rexións do cerebro e crese que proporciona unha medida da súa organización funcional e pode axudar a caracterizar sincronizacións anormais entre as rexións do cerebro. no espectro dos fenotipos psicolóxicos (Biswal et al., 2010; Craddock et al., 2013).

Aínda que houbo algúns estudos que empregaron conectividade funcional para investigar a conectividade funcional alterada asociada á adicción a internet, a maioría dos estudos empregaron rexións de sementes escollidas a priori, ou ben (a) correlacionando unha rexión de semente cos restantes voxeles de todo o cerebro [Hoeft et al., 2008 usou o NAc; Lorenz et al., 2013 empregou o xiro frontal inferior dereito (IFG); Ding et al., 2013 empregou a córtex cingular posterior (PCC); Ko et al., 2015 usou a amígdala; Zhang et al., 2015 usou a insula; Hong et al., 2015 empregou o núcleo caudato e o putamen; Kühn e Gallinat, 2015 empregou o polo frontal dereito; Li et al., 2015 usou o DLPFC dereito] ou (b) realizando correlacións entre múltiples ROI predefinidos seleccionados entre redes significativas (Yuan et al., 2015 examinou a rede executiva central e a rede de seguridade; Dong et al., 2015b examinou a rede de control executivo; Dong et al., 2015a examinou a rede de control executivo e a rede de recompensas; Li et al., 2014 examinou a rede de inhibición da resposta; Lin et al., 2015 examinou seis ROI bilaterais corticostriatais predefinidos). As rexións de sementes predefinidas examinadas só representan unha pequena proporción do cerebro, polo que pode que non poidan proporcionar unha imaxe completa de como o conectoma está afectado pola dependencia de internet.

Moi poucos estudos utilizaron un enfoque de todo o cerebro para estudar a adicción a internet. Segundo o noso coñecemento, na actualidade só hai catro traballos publicados que adoptaron un enfoque de todo o cerebro e os seus métodos son bastante variables, que van desde as estatísticas baseadas en rede (NBS; Hong et al., 2013) a topolóxico (Hong et al., 2013; Wee et al., 2014; Park et al., 2015) a unha conectividade homotópica de espello voxel recentemente desenvolvida (Wang et al., 2015). En particular, Hong et al. (2013) empregou NBS para identificar diferenzas entre grupos na conectividade funcional inter-rexional, e atopou conexións alteradas implicadas en circuítos cortico-subcorticais en pacientes con adicción a internet. Non obstante, o seu estudo centrouse nun pequeno tamaño de mostra dunha poboación única (adolescentes precoz masculinos).

Por iso, no noso traballo actual, decidimos usar un enfoque de conectividade de todo o cerebro, NBS (Zalesky et al., 2010a; Han et al., 2013), para identificar conexións funcionais predictivas da tendencia á adicción a internet. NBS é un método estatístico validado para tratar o problema de múltiples comparacións nun gráfico, que é análogo aos métodos baseados en cluster (Nichols e Holmes, 2002), e úsase para identificar conexións e redes que compoñen o conectoma humano que están asociadas a un efecto experimental ou a unha diferenza entre grupos probando a hipótese de forma independente en cada conexión. Os nosos resultados compararanse ademais cunha metaanálise de traballos existentes relacionados cos correlatos neuronais da adicción a internet. Agardamos ampliar a literatura existente de varias maneiras: (1) Esperamos proporcionar unha imaxe máis completa da adicción a internet mediante a análise de todo o cerebro no canto de empregar só un pequeno número de rexións de semente predefinidas. (2) Aínda que existe un par de estudos de conectividade funcional en todo o cerebro sobre a adicción a internet (por exemplo, Hong et al., 2013; Wang et al., 2015), os estudos compararon grupos de adicción a internet con controis saudables. O noso estudo non implicou pacientes clínicos, pero caracterizou a tendencia de adicción a internet como un gradiente. Agardamos identificar conexións funcionais cuxa forza se module no nivel de adicción. (3) A maioría dos estudos sobre adicción a internet non tiveron en conta o cerebelio, aínda que o cerebelio foi implicado como unha rexión importante na adicción (Moulton et al., 2014). Así, incluímos o cerebelo na nosa análise. (4) Moitos estudos limitaron o seu grupo de participantes aos machos e adoitan conter tamaños de mostra relativamente pequenos (por exemplo, Hong et al., 2013, 2015; Kühn e Gallinat, 2015). Para aumentar a xeneralización e potencia destes estudos, son necesarias mostras que conteñan ambos os sexos e un tamaño de mostra maior (Li et al., 2015). Ao tratar os problemas anteriores, o estudo actual espera proporcionar unha mellor comprensión de como a conectividade funcional está asociada á tendencia de adicción a internet.

Materiais e Métodos

Meta-análise

Construíuse unha metaanálise empregando a base de datos NeuroSynth (http://neurosynth.org; Yarkoni et al., 2011). Realizouse unha análise personalizada empregando os termos de busca "dependencia", "adicto", "internet", "xogo", "xogo" e "en liña" para identificar estudos relacionados coa dependencia de internet na base de datos. Verificáronse manualmente os criterios de inclusión e detállase unha lista dos estudos incluídos no Materiais complementarios 1. Incluíronse un total de estudos 18. Os estudos incluídos extraíronse as coordenadas de activación máxima así como a súa veciñanza de vogelos 6 mm. A continuación, realizouse unha metaanálise destas coordenadas, producindo unha inferencia cara a adiante e reverencia de todo o cerebro z-Marcar mapas. Os mapas de inferencias futuras reflicten a probabilidade de que unha rexión se active dados estes termos [P(activación | termos)], informándonos da consistencia de activación dos termos dados. O mapa de inferencia inversa mostra a probabilidade de que estes termos sexan utilizados nun estudo dada a presenza de activación informada [P(termos | activación)]; polo tanto, unha rexión que está activada indica que é máis probable que sexa un estudo relacionado coa adicción a internet que un estudo sen dependencia de internet, que reflicta a selectividade desa rexión. Dado que tanto a inversión cara adiante como a inversa xogan un papel importante en axudarnos a comprender as rexións asociadas á adicción a internet, superpuxemos estes dous mapas de inferencia para esbozar as súas rexións comúns. Infórmanse agrupacións maiores de cinco vogais.

FMRI en estado de repouso

os participantes

Corenta e sete participantes saudables (varóns 21 e xNUMX mulleres) do sur de Taiwan, a maioría estudantes ou persoal da universidade, foron contratados a través de anuncios publicitarios para participar no experimento (franxa de idade = 26 – 19 anos, idade media = 29 anos, SD = 2.22 anos). Os participantes tiñan a man dereita (indicada polo Edinburgh Handedness Inventory), tiñan unha visión normal ou corrixida á normal e non presentaban antecedentes de trastornos psicolóxicos ou neurais. A súa puntuación de depresión, ansiedade e intelixencia situáronse no rango normal [Puntuación de Beck's Depress Inventory (BDI): 0 – 12; Puntuación Inventario (BAI) de Beck: 0 – 7; Puntuación da proba de Raven Standard Matrices Progressive: 35 – 57]. A puntuación revisada por escala de adiccións á Internet (CIAS-R) de todos os participantes tiña o rango = 28 – 92, media = 60.04, SD = 16.53. Táboa Táboa11 resume a información demográfica e as características de comportamento dos participantes. A proba Shapiro – Wilk verificou a normalidade das puntuacións CIAS-R [W(47) = 0.98, p = 0.50]. Non houbo correlación significativa entre o xénero e a puntuación CIAS-R (Spearman ρ = 0.15, p = 0.30). Todos os participantes proporcionaron o seu consentimento informado por escrito e o protocolo de estudo foi aprobado (NON: B-ER-101-144) polo Comité Institucional de Revisión (IRB) do Hospital Nacional Universitario Cheng Kung, Tainan, Taiwán. Todos os participantes foron pagados 500 NTD tras a conclusión do experimento.

Información demográfica e características do comportamento.

Cuestionario revisado por escala de adiccións a Internet (CIAS-R)

Revisada a escala de adicción a Internet de Chen (CIAS-R; Chen et al., 2003) é unha medida de elementos 26 utilizada para avaliar a gravidade da adicción a internet. O CIAS-R está baseado nos criterios de comportamentos aditivos DSM-IV-TR e contén dúas subescalas de adicción a internet (a) síntomas fundamentais e (b) problemas relacionados, valorando cinco dimensións incluíndo (1) o uso compulsivo de internet, a retirada (2). síntomas ao quitarse Internet, tolerancia (3), (4) perigo das relacións interpersoais e saúde física e problemas de xestión do tempo (5). Os ítems clasifícanse nunha escala Likert de puntos 4, con puntuacións totais que van desde 26 a 104, que reflicten a tendencia de dependencia en internet de baixa a alta. Demostrou que o CIAS-R ten alta consistencia interna (Cronbach α = 0.79-0.93; Chen et al., 2003) e alta precisión diagnóstica (AUC = 89.6%; Ko et al., 2005). No presente estudo, a puntuación total do CIAS-R foi utilizada como indicador do estado actual dos participantes na adicción a internet.

Adquisición e procesamento de imaxes

A imaxe realizouse co escáner GE MR750 3T (GE Healthcare, Waukesha, WI, Estados Unidos) no centro de resonancia da Universidade Nacional Cheng Kung. Adquiriron imaxes anatómicas de alta resolución mediante SPGR rápido, consistente en franxas axiais 166 (TR = 7.6 ms, TE = 3.3 ms, flip angle 171 = 12 °, 224 matrices × 224 matrices, grosor da porción = 1 mm). As imaxes funcionais foron adquiridas mediante unha secuencia de pulsos de imaxe de eco-planar (EPI) de gradienteTR = 2000 ms, TE = 30 ms, flip angle = 77 °, matrices 64 × matrices 64, grosor da porción = 4 mm, ningunha brecha, tamaño do voxel 3.4375 mm × 3.4375 mm × 4 mm, franxas axiais 32 cubrindo todo o cerebro).

Os participantes dixéronlles que se relaxasen e se deitan no escáner cos ollos pechados. Pedíuselles que non pensase en ningún suceso particular durante a pescuda. O tempo de dixitalización da imaxe estrutural foi aproximadamente de 3.6 min. A imaxe funcional durou aproximadamente 8 min, cos cinco primeiros TRs servindo como pescudas maniquíes para asegurarse de que o sinal alcanzou un estado constante antes de que se recollan os datos; así, unha tirada consiste en imaxes de volume 240 EPI para a súa análise.

Os datos foron preprocesados usando o Asistente de procesamento de datos para fMRI en estado de repouso (DPARSF; Yan e Zang, 2010), que está baseado en funcións en MRIcroN (Rorden et al., 2007^¹) así como o software de cartografía paramétrica estatística (SPM)^²) e o Kit de ferramentas de análise de datos fMRI en estado de repouso (REST; Song et al., 2011) en Matlab (The MathWorks, Inc., Natick, MA, EUA). As imaxes funcionais sufriron unha corrección de cronometraxe, seguida de aliñación para corrixir ao movemento da cabeza mediante transformacións do corpo ríxido de seis parámetros. O movemento en xeral, caracterizado por un desprazamento medio normal (FD), non foi grande (media = 0.05, SD = 0.03) e non se correlacionou coas puntuacións CIAS-R (Spearman's ρ = -0.28, p = 0.055), polo tanto, a impulsividade non é un factor confuso do movemento de adicción a internet e movemento (Kong et al., 2014). As imaxes de T1 foron clasificadas para imaxes funcionais. As imaxes estruturais segmentáronse en CSF, materia branca e materia gris baseándose en mapas de probabilidade de tecido no espazo MNI, e estes cálculos empregáronse na posterior normalización de imaxes T1 e EPI ao espazo MNI. Os datos foron suavizados no dominio espacial mediante un núcleo gaussiano de 6 mm de ancho completo á metade máxima (FWHM) e elimináronse de tendencia lineal. Regresáronse os covariables molestos, incluído o sinal medio global, o sinal de materia branca e o líquido cefalorraquídeo. Aínda que se debe realizar a regresión do sinal global segue sendo unha controversia en curso (por exemplo, Saad et al., 2012), decidimos implementar este método porque se suxeriu maximizar a especificidade das correlacións funcionais e mellorar a correspondencia entre correlacións de estado de repouso e anatomía (Fox et al., 2009; Weissenbacher et al., 2009; Takeuchi et al., 2014). Finalmente, as imaxes sufriron un filtrado por banda de 0.01-0.08 Hz.

Análise de Datos

As imaxes fMRI foron parceladas baseándose no Etiquetado Automático Anatómico (AAL; Tzourio-Mazoyer et al., 2002) modelo, dividindo o cerebro baseado na estrutura anatómica en RON 116 (ou nodos). Eliximos o atlas AAL porque foi a parcelación máis usada nos estudos de redes funcionais (Stanley et al., 2013) e tamén foi o modelo empregado por Hong et al. (2013), cuxo estudo é máis relevante para os nosos, aumentando así o grao de comparación entre estudos (Zalesky et al., 2010b). O método NBS utilizouse para identificar redes cerebrais que consiste nunha conectividade funcional inter-rexional que mostra correlación significativa coa puntuación CIAS-R. As seguintes análises fixéronse coa axuda da caixa de ferramentas estatísticas baseada na rede (Zalesky et al., 2010a) con scripts Matlab adicionais. Construíuse unha matriz de correlación 116 × 116 para cada participante usando os cursos de tempo extraídos de cada ROI. O de Pearson r normalizáronse valores Z puntuacións usando Fisher Z transformación. Cada cela da matriz de correlación representa a forza da conexión (ou bordo) entre dous nodos. Realizáronse probas univariadas masivas usando a correlación de rango de Spearman entre as puntuacións CIAS-R dos participantes e as fortalezas dos bordes dentro de cada bordo para identificar as conexións relevantes que predicían a puntuación CIAS-R. Os bordos candidatos que mostraron unha alta previsibilidade da puntuación CIAS-R seleccionáronse a través dun limiar primario de rho de Spearman> 0.37 e <-0.37 (aproximadamente o alfa dunha cola = 0.005) respectivamente, para identificar redes que están asociadas de forma positiva e negativa con CIAS- Puntuación R. A continuación, identificáronse agrupacións topolóxicas, coñecidas como compoñentes de gráficos conectados entre as conexións supra-limiares. Calculouse un erro familiar (FWE) para o tamaño do compoñente mediante probas de permutación (3000 permutacións), que implicaba reordenar aleatoriamente as puntuacións CIAS-R e repetir o proceso anterior cada permutación para obter unha distribución nula do maior tamaño de compoñente. Compoñentes gráficos conectados cuxo tamaño supera o corrixido por FWE estimado p-O corte de valor de <0.05 identificouse como redes que están significativamente relacionadas coa tendencia á adicción a internet. Visor BrainNet (Xia et al., 2013) utilizouse para a visualización de conexións. Móstrase unha ilustración do pipeline de análise de datos Figura Figura11.

FIGURA 1

Organigrama do pipeline de análise de datos. O cerebro dos participantes foi preprocesado e parcelado a diferentes rexións estruturais segundo o modelo AAL. Construíuse unha matriz de correlación empregando os cursos de tempo extraídos de cada rexión a ...

Resultados

Meta-análise

Inferencia cara adiante e inversa zxeraron mapas de puntos a partir de NeuroSynth (mostrado en Figura Figura22). As activacións destes dous mapas amosan unha gran semellanza entre si. Solapar estes mapas revelou a activación en rexións do cerebelo, o lóbulo temporal (xiro temporal temporal bilateral, polo temporal superior dereito e xiro temporal temporal superior e superior dereito), varias rexións frontais (xiro frontal orbital esquerdo superior e superior, xiro frontal medio dereito, opérculo frontal inferior dereito e xiro precentral dereito), putamen bilateral, insula bilateral, cingulado medio dereito e precuneus dereito. Táboa Táboa22 enumera os clústers identificados así como as rexións AAL pertencentes ao clúster.

FIGURA 2

Mapas de inferencias de metaanálisis realizados en NeuroSynth, mostrando rexións activas en inferencia cara adiante, inferencia inversa e solapamento dos dous mapas.

Grupos superpostos de mapas de inferencia cara adiante e inversa.

FMRI en estado de repouso

Conexións funcionais relacionadas coa tendencia á adicción a Internet

Usando NBS, identificamos dúas redes que mostraron unha correlación significativa da forza do bordo e das puntuacións CIAS-R (p <0.05, corrixido por FWE): un con bordos positivamente correlacionados coas puntuacións de CIAS-R ("CIAS-R positivo", amosado en vermello) e outro con bordos negativamente correlacionado con CIAS-R ("CIAS-R negativo", mostrado en azul). A rede positiva CIAS-R consta dun total de 65 nodos e 90 bordos (45 intrahemisféricos, 42 interhemisféricos e 3 conectados ao vermis), mentres que a rede negativa consta de 64 nodos e 89 bordos (35 intrahemisféricos, 40 interhemisféricos e 14 conectándose a / dentro dos vermis). É importante ter en conta que as dúas redes non están completamente separadas e comparten un total de 39 nodos, o 30.77% dos cales son rexións do lóbulo frontal. O número total de bordos relacionados co CIAS-R consiste nun 2.68% de todos os bordos do cerebro. A rede está ilustrada en Figura Figura33 e as conexións específicas figuran en Materiais complementarios 2, Táboa S1.

FIGURA 3

Rede de conexións que están correlacionadas con puntuacións CIAS-R. As esferas grises representan o centroide de cada nodo e están dimensionadas en función do número de bordos significativos cos que están asociados. Só se amosan nodos con conexións. As liñas vermellas representan ...

Distribución global dos bordes implicados

Para coñecer mellor como se distribúen estas conexións, seguimos Fornito et al. (2011) Hong et al. (2013), e clasificou cada rexión AAL dentro de cada rede como pertencente a sete subgrupos rexionais: frontal, temporal, parietal, occipital, xirola insular e cingulada, subcortical e cerebelo. A maioría dos bordos da rede positiva CIAS-R implicaron conexións entre as rexións temporais (1) e a insula e o cryulate gryi (∼13%), a maior parte das cales implica o xiro cingulado posterior conectándose a varias rexións temporais; (2) rexións frontais e temporais (∼12%), que inclúe conexións entre a córtex orbitofrontal medial, o lóbulo paracentral e o lóbulo temporal xiro, polo temporal; e rexións (3) parietales e subcorticais (∼11%), consistentes en conexións entre a corteza postcentral e o lóbulo parietal superior co putamen e pallidum. É interesante notar que, salvo o lóbulo frontal, as demais rexións non teñen conexións intra-rexionais cuxa fortaleza está correlacionada positivamente coa tendencia á adicción a internet. A maioría dos bordos da rede negativa CIAS-R implicaron conexións entre (1) o lóbulo frontal e o cerebelo (∼19%), a maioría das cales son conexións entre as rexións frontais orbitais e diversos ROI do cerebelio; e (2) gir insula e cingulado e o lóbulo temporal (∼12%), que comprende conexións entre a insula, o cingulum, o parahippocampal e o lóbulo temporal. Non se atopou rexións occipitais incluídas na rede negativa CIAS-R. A proporción de conexións interrexionais de cada rede móstrase en Figura Figura44.

FIGURA 4

Proporción de bordes correlacionados positivamente e negativamente coa tendencia á adicción a internet entre pares de subgrupos rexionais. As proporcións calculáronse dividindo o número de bordos entre (ou dentro) pares de rexións co total ...

Nodos máximo afectados

Debido ao gran número de bordos identificados, seguimos Finn et al. (2014), e identificaron nodos que teñen unha elevada "suma de bordes correlacionados con CIAS-R" co fin de centrar a nosa análise en rexións onde as conexións están máximamente relacionadas coa tendencia á adicción a internet. A suma de bordos correlacionados con CIAS-R dun nodo definiuse como o número total dos seus bordos tanto en redes negativas CIAS-R positivas como en CIAS-R (isto é conceptualmente equivalente á medida de grao na teoría de gráficos). Este método permitiranos identificar nodos onde as conexións son máis propensas a ser alteradas pola tendencia á adicción a internet. O seguinte Táboa Táboa33 lista os nodos que son o máximo afectados e mostra os nodos que teñen polo menos unha suma de bordos correlacionados con CIAS-R de polo menos 8. A visualización dos nodos e as súas conexións móstrase en Figura Figura55. Estes son tamén os nodos seleccionados para a discusión.

Análise a nivel de nodos da tendencia á adicción a internet.

FIGURA 5

Visualización dos nodos con maior número de bordos relacionados coa tendencia á adicción a internet. As esferas verdes representan o centroide de cada nodo con bordos máximos, mentres que as esferas amarelas representan os seus socios de conectividade funcionais. As liñas vermellas indican bordos ...

Conversa

Nun grupo normal de adultos novos, evaluamos o seu nivel de adicción a internet a través dun cuestionario auto-clasificado (CIAS-R), e identificamos aínda máis dúas redes cerebrais das que as conexións funcionais se correlacionaron positivamente e negativamente coa tendencia á adicción a internet. A continuación, discutiremos os nosos resultados a diferentes escalas de observación: (1) as rexións cruciais que ligan redes CIAS-R positivas e CIAS-R negativas, (2) rexións con altas proporcións de conexións relacionadas coa tendencia á adicción a internet e (3 ) os nodos críticos alterados pola tendencia á adicción a internet.

Frontal Rexións Ligazón CIAS-R Positivas e CIAS-R Negativas

Observamos que a maioría dos nodos que enlazan as dúas redes (CIAS-R positivo e CIAS-R negativo) sitúanse dentro do lóbulo frontal. Estas rexións inclúen o xiro frontal superior, IFG, xiro frontal medial, operculum rolandic e área motora complementaria. A cortiza prefrontal implicouse como unha estrutura crítica no control cognitivo, inhibición e selección de resposta (Aron et al., 2004; Talati e Hirsch, 2005; Forstmann et al., 2008). A adicción a Internet é un fenómeno en que os adictos diminuíron o autocontrol e a toma de decisións sobre o uso de internet, reflectido por un uso excesivo a pesar do coñecemento de efectos negativos. Por exemplo, varios estudos descubriron que os participantes con adicción a internet mostraron unha activación fronto-estriatal e fronto-parietal máis alta durante a tarefa Go / Nogo (Ding et al., 2014; Ko et al., 2014; Chen et al., 2015) e tarefa Stroop (Dong et al., 2012a, 2013, 2014), suxerindo unha inhibición da resposta e control de erros máis pobres e unha maior impulsividade. Por outro lado, os adictos a internet e os xogadores de videoxogos adoitan mostrar un excelente desempeño da función cognitiva, como o control motor e a toma de decisións eficientes durante o xogo. De feito, demostrouse que os efectos prácticos do xogo de videoxogos xeneralizan unha variedade de habilidades executivas melloradas, incluíndo habilidades de inferencia perceptiva, motora, atencional e probabilística (Green and Bavelier, 2003; Castel et al., 2005; Dye et al., 2009; Green et al., 2010; Green et al., 2012). Un estudo fMRI atopou un recrutamento reducido da rede fronto-parietal en xogadores de videoxogos en comparación con non xogadores durante unha tarefa de demanda atenta elevada, posiblemente reflectindo un control executivo e atentado máis eficiente (Bavelier et al., 2012). As dúas caras do control cognitivo mostradas polos adictos a internet son un dilema interesante. No noso estudo, a observación de rexións frontais que enlazan as dúas redes onde a conectividade funcional diminúe e aumenta a tendencia de adicción a internet pode reflectir alteracións na rexión frontal por distintos aspectos do control cognitivo (é dicir, para o control do uso de internet e as habilidades de xogo). Cabe mencionar que aínda que Hong et al. (2013) hipoteticamente podería haber un aumento da conectividade funcional asociada aos efectos da práctica en adictos a internet, só se observou unha diminución da conectividade funcional no seu estudo. Unha posibilidade proposta por Hong et al. (2013) pola súa ausencia de maior conectividade funcional en persoas adictas a internet era que o seu pequeno tamaño de mostra resultou na falta de enerxía. Ao usar unha análise baseada en sementes, que require menos comparacións múltiples que as aproximacións de todo o cerebro, Hong et al. (2015) reanalizou os datos de 2013 e observou a aumento e a diminución da conectividade funcional asociada á adicción a internet.

As conexións amplamente distribuídas das redes de tendencia á adicción a Internet

Os datos mostran un gran número de conexións inter e hemisféricas tanto nas redes CIAS-R positivas como nas negativas CIAS-R, reflectindo a extensa influencia da tendencia á adicción a internet no cerebro. Observamos que a maior proporción de conexións na rede positiva CIAS-R implicaba os bordos "insula e cingular - temporal", "frontal - temporal" e "subcortical - parietal", mentres que a maior proporción de conexións no CIAS-R A rede negativa implicaba os bordos "frontal - cerebelo" e "insula e cingular - temporal" (Figura Figura44). Nun modelo de adicción proposto recentemente (Moulton et al., 2014), o cerebelio axuda a manter a homeostase dos catro circuítos interconectados relevantes para a adicción: recompensa / salidez, motivación / impulsión, aprendizaxe / memoria así como control cognitivo. Este modelo integra o modelo de catro circuítos (Volkow et al., 2003, 2010) e as redes de estado cerebral funcional en estado cerebral relacionadas co procesamento executivo e asociativo na córtex cerebral (Buckner et al., 2011). Os compoñentes de recompensa / salencia, motivación / impulsión e aprendizaxe / memoria amplifícanse, mentres que o control cognitivo diminúe na dependencia. Ver Figura Figura66 para unha ilustración. As nosas observacións das maiores proporcións de conectividade funcional das dúas redes de tendencia á adicción a internet son xeralmente compatibles Moulton et al (2014) modelo dos compoñentes críticos implicados nos circuítos de adiccións. Do mesmo xeito, non observamos moitas conexións significativas que inclúen o lóbulo occipital, que tamén leva pombas Hong e outros (2013) achados. Non obstante, atopamos ademais unha gran proporción de bordes "subcorticales - parietales" que, aínda que non se destaca especialmente no modelo de catro circuítos, estas conexións foron observadas na literatura de adiccións a internet (por exemplo. Ding et al., 2013; Hong et al., 2013, 2015), que podería deberse a un efecto práctico relacionado co uso de internet.

FIGURA 6

Un modelo de adicción que destaca o papel modulador do cerebelo das catro principais redes cerebrais propostas para ser afectadas pola adicción (adaptado a partir de Moulton et al., 2014). Estes circuítos inclúen recompensa / salidez, motivación / unidade, aprendizaxe / memoria, ...

Nodos críticos alterados pola tendencia á adicción a Internet

Identificamos que os nodos con máis conexións están máximamente relacionados coa tendencia á adicción a internet. Estes nodos son aqueles cuxo patrón de conexións entre o propio nodo e outras rexións cerebrais son máis susceptibles de alteración pola tendencia á adicción a internet. As rexións son específicamente o giro cingulado bilateral posterior, a insula dereita, o xiro temporal medio dereito, o polo temporal superior esquerdo, o putamen dereito e a parte orbital do IFG esquerdo (Figura Figura55). Estas rexións implicáronse como rexións clave en moitos estudos de adicción (internet) e algunhas xa foron mencionadas na sección anterior. Agora falamos da literatura sobre adiccións destacando estas rexións con máis detalle. O PCC, parte da rede de modo predeterminado e está implicado en varios aspectos do autoprocesado (Buckner et al., 2008; Fransson e Marrelec, 2008), serviu como rexión de semente en Ding e outros (2013) estudo, que mostrou un aumento significativo da conectividade funcional co lóbulo posterior cerebelo bilateral e giro temporal temporal, mentres que diminúe o lóbulo parietal bilateral inferior e o xiro temporal inferior dereito nos adictos aos xogos de internet. Tamén se atoparon adictos a Internet que mostraban anisotropía fraccional anormal (Dong et al., 2012b) e densidade de materia gris (Zhou et al., 2011) no PCC. Zhang et al. (2015) escolleu a insula, que estivo implicada na adicción (Naqvi e Bechara, 2009; Droutman et al., 2015), como rexión de sementes e atopou unha conectividade funcional alterada cunha rede de rexións en persoas dependentes de Internet. Suxeriuse o papel da insula na adicción para integrar sinais interoceptivos en sentimentos conscientes (drogas) e comportamento de sesgo durante a toma de decisións (Naqvi e Bechara, 2009). Nalgúns estudos sobre adicción a internet observouse o xiro temporal medio e o polo superior superior Meng et al., 2015 para unha metaanálise), e asociaron a ansia / ansia de xogos, procesamento semántico, desembarco, memoria de traballo e procesamento emocional; Non obstante, os seus roles específicos na adicción requiren máis investigacións. O putamen, que forma parte do estriat dorsal, é tamén unha rexión crítica suxerida por moitas investigacións sobre adiccións. Ko et al., 2009; Ding et al., 2013; Lin et al., 2015), no que a neurotransmisión dopamina concomitante está implicada no desenvolvemento de ansios e ansiosos compulsivos (Volkow et al., 2006; Koob e Volkow, 2010). Ademais, as investigacións suxeriron que a disfunción co circuito estriato-talamo-orbitofrontal é unha causa crucial da adicción, mentres que o estriato dorsal implicado na aprendizaxe de hábitos e ansia, a córtex orbitofrontal está involucrada con salencia, impulsión e compulsividade (Volkow e Fowler, 2000; Koob e Volkow, 2010; Volkow et al., 2010; Goldstein e Volkow, 2011). O funcionamento anormal da córtex orbitofrontal podería explicar o mal funcionamento do comportamento na dependencia. Resumindo o anterior, os nodos que identificamos son hubs que son máis susceptibles de alteración pola tendencia á adicción a internet e identificáronse repetidamente na literatura existente.

Limitación

Como sinalou un dos nosos revisores, se a realización de regresión do sinal global en RMN en estado de repouso segue sendo un debate actual. Despois de reanalizar os datos actuais sen regresión global do sinal, os nosos resultados resultaron bastante diferentes en comparación coa nosa análise orixinal e só o 22.91% dos bordes atopados nas análises NBS sen regresión do sinal global se superpuxeron aos dos resultados actuais. Sen regresión global do sinal, non atopamos conexións funcionais suficientes que estivesen relacionadas positivamente coas puntuacións CIAS-R; Non obstante, atopamos unha rede composta por conexións funcionais que estaban relacionadas negativamente coas puntuacións CIAS-R. Ao identificar os nodos con máis conexións están máximamente relacionados coa tendencia á adicción a internet, atopamos coherencia coa análise de regresión do sinal global en que as áreas cinguladas, insulares, temporais e frontais foron as máis implicadas. Non obstante, varias diferenzas inclúen o achado adicional de áreas motoras suplementarias bilaterais e xiro angular dereito que amosan unha diminución da conectividade funcional, e non había tantas rexións subcorticais na rede identificada. Aínda que a regresión do sinal global segue sendo controvertida, decidimos informar os dous resultados. Os detalles da rede identificados sen regresión global do sinal están documentados nos Materiais Suplementarios 3. Esperemos que o futuro traballo sobre o preprocesamento de imaxes arroxe luz sobre o resultado máis preciso. Neste momento, suxerimos interpretar os resultados actuais tendo presente tales advertencias.

Conclusión

Usando un enfoque baseado en datos, demostramos que as estatísticas baseadas en rede son unha ferramenta útil para caracterizar a conectividade de cerebro enteiro afectada pola tendencia de adicción a internet, identificar conexións e rexións críticas que fan eco de estudos anteriores. En comparación coas análises de sementes, este enfoque de todo o cerebro ofrece unha análise máis completa das conexións cerebrais relacionadas coa adicción a internet, investigando un total de conexións 6670. Ademais demostramos que moitas conexións funcionais e rexións cerebrais críticas en casos clínicos de adicción tamén se atopan asociadas a tendencias preclínicas indexadas por medidas de cuestionario comportamentais. Aínda que se emprega un enfoque correlacional, non podemos estar seguros de se estas redes están alteradas como consecuencia do uso de internet ou se son características de persoas predispostas a un maior risco de desenvolver adicción a internet, esta investigación proporciona información útil para axudarnos a comprender o neural. características subxacentes á adicción e o seu desenvolvemento.

Contribucións do autor

TW realizou o experimento, analizou os datos, interpretou os resultados, escribiu e revisou o manuscrito. SH deseñou o experimento, escribiu a proposta de subvención, guiou a preparación e execución do experimento, axudou a interpretar os datos, a preparar e revisar o manuscrito.

Declaración de conflitos de intereses

Os autores declaran que a investigación foi realizada en ausencia de relacións comerciais ou financeiras que puidesen interpretarse como un potencial conflito de intereses.

Grazas

Os autores agradecen a Yun-Ting Lee a axuda para a recollida de datos e ao profesor Po-Hsien Huang por consulta estatística. O estudo foi financiado polo Ministerio de Ciencia e Tecnoloxía (MOST), Taiwán (MOST 102-2420-H-006-006-MY2 e MOST 104-2420-H-006-004-MY2). Ademais, esta investigación foi, en parte, apoiada polo Ministerio de Educación (MOE), Taiwán, ROC The Aim for the Top University Project para a Universidade Nacional Cheng Kung (NCKU). Agradecemos ao Centro de Investigación e Imaxe de Mente (MRIC), apoiado polo MOST, en NCKU, por consulta e dispoñibilidade de instrumentos. Sue-Huei Chen proporcionou o cuestionario CIAS-R.

Notas ao pé

¹http://www.mricro.com

²http://www.fil.ion.ucl.ac.uk/spm

Material complementario

O material suplementario deste artigo pódese atopar en liña en: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Prema aquí para obter un ficheiro de datos adicional.^{(20K, DOCX)}

Prema aquí para obter un ficheiro de datos adicional.^{(33K, DOCX)}

Prema aquí para obter un ficheiro de datos adicional.^{(258K, DOCX)}

References

American Psychiatric Association [APA] (2013). Manual de diagnóstico e estatística dos trastornos mentais (DSM-5)^®). Arlington, VA: American Psychiatric Pub.
Aron AR, Robbins TW, Poldrack RA (2004). Inhibición e córtex frontal inferior dereito. Tendencia Cogn. Sci. 8 170 – 177. 10.1016 / j.tics.2004.02.010 [PubMed] [Cruz Ref]
Bavelier D., Achtman RL, Mani M., Focker J. (2012). Bases neuronais de atención selectiva nos xogadores de videoxogos de acción. Vis. Res. 61 132 – 143. 10.1016 / j.visres.2011.08.007 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, et al. (2010) Cara á ciencia do descubrimento da función cerebral humana. Proc. Natl. Acad. Sci. Estados Unidos 107 4734 – 4739. 10.1073 / pnas.0911855107 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Brand M., Young KS, Laier C. (2014). Control frontal e adicción a Internet: un modelo teórico e revisión dos achados neuropsicolóxicos e neuroimagens. Diante. Hum. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Rede predeterminada do cerebro: anatomía, función e relevancia para a enfermidade. Ano Cogn. Neurosci. 2008 1 – 38. 10.1196 / annals.1440.011 [PubMed] [Cruz Ref]
Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). A organización do cerebelo humano estimada por conectividade funcional intrínseca. J. Neurophysiol. 106 2322 – 2345. 10.1152 / jn.00339.2011 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Castel AD, Pratt J., Drummond E. (2005). Os efectos da experiencia en videoxogos de acción sobre o tempo de inhibición do retorno e a eficiencia da busca visual. Acta Psychol. 119 217 – 230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Cruz Ref]
Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. (2015). Os cerebros correlacionan a inhibición da resposta no trastorno de xogo en Internet. Psiquiatría clínica. Neurosci. 69 201 – 209. 10.1111 / pcn.12224 [PubMed] [Cruz Ref]
Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Desenvolvemento dunha escala de adiccións a internet chinesa e o seu estudo psicométrico. Queixo. J. Psychol. 45 251 – 266. 10.1371 / journal.pone.0098312 [Cruz Ref]
Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., et al. (2013) Imaxe de conectomas humanos a escala macro. Nat. Métodos 10 524 – 539. 10.1038 / Nmeth.2482 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). Impulsividade dos trazos e alteración da función de inhibición do impulso prefrontal en adolescentes con adicción ao xogo en internet revelada por un estudo de fMRI Go / No-Go. Behav. Brain Funct. 10:20 10.1186/1744-9081-10-20 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR, et al. (2013) A conectividade funcional de estado de repouso de rede alterada por defecto en adolescentes con adicción a xogos de internet. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Deterioro control inhibidor no "trastorno da adicción a internet": un estudo funcional de resonancia magnética. Psiquiatría Res. Neuroimagen 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Dong GH, DeVito E., Huang J., Du XX (2012b). A imaxe de tensor de difusión revela anormalidades da corteza cingular de tálamo e posterior en adictos a xogos de internet. J. Psiquiatra. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). A vinculación funcional desequilibrada entre a rede de control executivo e a rede de recompensa explican os comportamentos en busca de xogos en liña no trastorno do xogo en Internet. Sci. Rep. 5: 9197 10.1038 / Srep09197 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Dong GH, Lin X., Potenza MN (2015b). A diminución da conectividade funcional nunha rede de control executivo está relacionada coa función executiva deteriorada no trastorno de xogos en Internet. Prog. Neuro-psicofarmacol. Biol. Psiquiatría 57 76 – 85. 10.1016 / j.pnpbp.2014.10.012 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Dong GH, Lin X., Zhou HL, Lu QL (2014). Flexibilidade cognitiva en dependentes de Internet: evidencia de resonancia magnética de situacións de conmutación difíciles e fáciles. Adicto. Behav. 39 677 – 683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Cruz Ref]
Dong GH, Shen Y., Huang J., Du XX (2013). Función deteriorada de seguimento de erros en persoas con trastorno de adicción a internet: un estudo fMRI relacionado con sucesos. EUR. Adicto. Res. 19 269 – 275. 10.1159 / 000346783 [PubMed] [Cruz Ref]
Droutman V., Read SJ, Bechara A. (2015). Repasando o papel da insula na adicción. Tendencia Cogn. Sci. 19 414 – 420. 10.1016 / j.tics.2015.05.005 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Dye MWG, Green CS, Bavelier D. (2009). Aumento da velocidade de procesamento con videoxogos de acción. Curr. Dir. Psicoloxía. Sci. 18 321 – 326. 10.1111 / j.1467-8721.2009.01660.x [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X., et al. (2014) Disrupción das redes funcionais na dislexia: unha análise de conectividade baseada en todo o cerebro. Biol. Psiquiatría 76 397 – 404. 10.1016 / j.biopsych.2013.08.031 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Fornito A., Bullmore ET (2015). Conectomica: un novo paradigma para comprender as enfermidades cerebrais. EUR. Neuropsicopharmacol. 25 733 – 748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Cruz Ref]
Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Perturbacións xerais e específicas de conectividade na esquizofrenia dun primeiro episodio durante o desempeño do control cognitivo. Biol. Psiquiatría 70 64 – 72. 10.1016 / j.biopsych.2011.02.019 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008). Mecanismos neuronais, dinámicas temporais e diferenzas individuais no control de interferencias. J. Cogn. Neurosci. 20 1854 – 1865. 10.1162 / jocn.2008.20122 [PubMed] [Cruz Ref]
Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). O sinal global e redes de cerebros en estado de repouso anticorrelados observados. J. Neurophysiol. 101 3270 – 3283. 10.1152 / jn.90777.2008 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Fransson P., Marrelec G. (2008). A corteza cingulada precuneus / posterior desempeña un papel fundamental na rede de modo predeterminado: evidencia dunha análise de rede de correlación parcial. Neuroimage 42 1178 – 1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Cruz Ref]
Goldstein RZ, Volkow ND (2011). Disfunción do córtex prefrontal en dependencia: descubrimentos de neuroimagen e implicacións clínicas. Nat. Rev. Neurosci. 12 652 – 669. 10.1038 / nrn3119 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Green CS, Bavelier D. (2003). O videoxogo de acción modifica a atención selectiva visual. Natureza 423 534 – 537. 10.1038 / nature01647 [PubMed] [Cruz Ref]
Green CS, Pouget A., Bavelier D. (2010). Inferencia probabilística mellorada como mecanismo de aprendizaxe xeral cos videoxogos de acción. Curr. Biol. 20 1573 – 1579. 10.1016 / j.cub.2010.07.040 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Green CS, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). O efecto da experiencia de videoxogos de acción no cambio de tarefas. Computo. Hum. Behav. 28 984 – 994. 10.1016 / j.chb.2011.12.020 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Griffiths MD, Pontes HM (2014). O trastorno por adicción a Internet e o trastorno de xogos a Internet non son o mesmo. J. Adicto. Res. . 5:e124 10.4172/2155-6105.1000e124 [Cruz Ref]
Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Estatísticas baseadas en clúster para a conectividade cerebral en correlación con medidas de comportamento. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010). Cambios na actividade prefrontal inducida polo cue con xogo de videoxogos. Cyberpsychol. Behav. Soc. Netw. 13 655 – 661. 10.1089 / cyber.2009.0327 [PubMed] [Cruz Ref]
Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Diferenzas de xénero no sistema mesocorticolímbico durante o xogo ao ordenador. J. Psiquiatra. Res. 42 253 – 258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Cruz Ref]
Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH, et al. (2015) Unha implicación selectiva da conectividade funcional de putamen nos mozos con trastorno do xogo por internet. Brain Res. 1602 85 – 95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Cruz Ref]
Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH, et al. (2013) Diminución da conectividade cerebral funcional en adolescentes con adicción a internet. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., et al. (2014) Non é o mesmo o uso problemático de internet e o xogo en liña problemático: os resultados dunha gran mostra de adolescentes representativa a nivel nacional. Cyberpsychol. Behav. Soc. Netw. 17 749 – 754. 10.1089 / cyber.2014.0475 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014) Modificou a activación cerebral durante a inhibición da resposta e o procesamento de erros en suxeitos con trastorno de xogo en internet: un estudo funcional de imaxe magnética. EUR. Arco. Psiquiatría clínica. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Cruz Ref]
Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. (2015) A densidade de materia gris alterada e a conectividade funcional da amígdala alterada en adultos con trastorno de xogo en Internet. Prog. Neuro-psicofarmacol. Biol. Psiquiatría 57 185 – 192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Cruz Ref]
Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, et al. (2009) Actividades cerebrais asociadas ao impulso de xogos en vicio en liña. J. Psiquiatra. Res. 43 739 – 747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Cruz Ref]
Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). O cerebro correlaciona coa ansia de xogos en liña baixo exposición en suxeitos con adicción a xogos de Internet e en suxeitos remitidos. Adicto. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Cruz Ref]
Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005) Cribado da adicción a internet: estudo empírico sobre puntos de corte para a escala de adiccións a internet. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Cruz Ref]
Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L., et al. (2014) As diferenzas individuais de impulsividade predicen o movemento da cabeza durante a imaxe por resonancia magnética. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Koob GF, Volkow ND (2010). Neurocircuítos da adicción. Neuropsicopharmacoloxía 35 217 – 238. 10.1038 / npp.2009.110 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Kühn S., Gallinat J. (2015). Cerebros en liña: correlacións estruturais e funcionais do uso habitual de Internet. Adicto. Biol. 20 415 – 422. 10.1111 / adb.12128 [PubMed] [Cruz Ref]
Kuss DJ, Griffiths MD (2012). Adicción aos xogos en internet: unha revisión sistemática da investigación empírica. Int. J. Mental Health Addict. 10 278–296. 10.1007/s11469-011-9318-5 [Cruz Ref]
Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL, et al. (2014) Conectividade ganglio frontal-basal deteriorada en adolescentes con adicción a internet. Sci. Rep. 4: 5027 10.1038 / Srep05027 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, et al. (2015) Estruturas cerebrais e conectividade funcional asociadas con diferenzas individuais na tendencia de Internet en adultos novos sans. Neuropsychologia 70 134 – 144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Cruz Ref]
Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, et al. (2015) Circuitos funcionais corticostriatales aberrantes en adolescentes con trastorno de adicción a Internet. Diante. Hum. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Lin MP, Ko HC, Wu JYW (2011). Factores de prevalencia e risco psicosocial asociados á adicción a internet nunha mostra representativa a nivel nacional de estudantes universitarios en Taiwán. Ciberpsicol. Comportamento. Soci. Netw. 14 741 – 746. 10.1089 / cyber.2010.0574 [PubMed] [Cruz Ref]
Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A., et al. (2013) Reactividade de Cue e a súa inhibición nos xogadores de xogos de computadores patolóxicos. Adicto. Biol. 18 134 – 146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Cruz Ref]
Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). A disfunción prefrontal en individuos con trastorno de xogo en Internet: unha metaanálise de estudos de imaxe de resonancia magnética funcional. Adicto. Biol. 20 799 – 808. 10.1111 / adb.12154 [PubMed] [Cruz Ref]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). O cerebro e a adicción: ideas obtidas pola investigación en neuroimaginación. Adicto. Biol. 19 317 – 331. 10.1111 / adb.12101 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Naqvi NH, Bechara A. (2009). A illa oculta da adicción: a insula. Tendencias Neurosci. 32 56 – 67. 10.1016 / j.tins.2008.09.009 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Nichols TE, Holmes AP (2002). Probas de permutación non paramétricas para neuroimaginación funcional: un cebador con exemplos. Hum. Mapa do cerebro. 15 1 – 25. 10.1002 / hbm.1058 [PubMed] [Cruz Ref]
OReilly M. (1996). A adicción a Internet: un novo trastorno entra no léxico médico. Pode. Med. Associ. J. 154 1882 – 1883. [Artigo gratuíto de PMC] [PubMed]
Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). O cerebro adicto aos xogos en internet está preto de estar nun estado patolóxico? Adicto. Biol. [Epub antes de imprimir] .10.1111 / adb.12282 [PubMed] [Cruz Ref]
Petry NM, O'Brien CP (2013). Trastorno do xogo en Internet e o DSM-5. vicio 108 1186 – 1187. 10.1111 / add.12162 [PubMed] [Cruz Ref]
Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T., et al. (2014) Un consenso internacional para avaliar o trastorno do xogo en internet mediante o novo enfoque DSM-5. vicio 109 1399 – 1406. 10.1111 / add.12457 [PubMed] [Cruz Ref]
Rorden C., Karnath HO, Bonilha L. (2007). Mellorar o mapeamento de síntomas de lesións. J. Cogn. Neurosci. 19 1081 – 1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Cruz Ref]
Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A., et al. (2012) Problema no descanso: como se deforman os patróns de correlación e as diferenzas de grupo despois da regresión global do sinal. Conectar o cerebro. 2 25 – 32. 10.1089 / cerebro.2012.0080 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Song XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, 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 10.1371 / journal.pone.0025031 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Definición de nodos en redes cerebrais complexas. Diante. Comp. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L., et al. (2012) Brain fMRI estudo da ansia inducida por imaxes de cue en adictos ao xogo en liña (adolescentes masculinos). Behav. Res. Cerebral. 233 563 – 576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Cruz Ref]
Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y., et al. (2014) Asociación entre conectividade funcional en estado de repouso e empatización / sistematización. Neuroimage 99 312 – 322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Cruz Ref]
Talati A., Hirsch J. (2005). Especialización funcional dentro do xiro frontal medial para decisións de ir / non-ir perceptivas baseadas en información relacionada con "qué", "cando" e "onde": un estudo fMRI. J. Cogn. Neurosci. 17 981 – 993. 10.1162 / 0898929054475226 [PubMed] [Cruz Ref]
Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N., et al. (2002) Etiquetado anatómico automatizado de activacións en SPM mediante unha parcelación anatómica macroscópica do cerebro dun único suxeito MNI MRI. Neuroimage 15 273 – 289. 10.1006 / nimg.2001.0978 [PubMed] [Cruz Ref]
van den Heuvel MP, Pol HEH (2010). Explorar a rede cerebral: unha revisión sobre a conectividade funcional do RMN en estado de repouso. EUR. Neuropsicopharmacol. 20 519 – 534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Cruz Ref]
Volkow ND, Fowler JS (2000). A adicción, unha enfermidade de compulsión e unidade: afectación da córtex orbitofrontal. Cereb. Córtex 10 318 – 325. 10.1093 / cercor / 10.3.318 [PubMed] [Cruz Ref]
Volkow ND, Fowler JS, Wang GJ (2003). O cerebro humano adicto: información sobre estudos de imaxe. J. Clin. Investiga 111 1444 – 1451. 10.1172 / Jci200318533 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Adicción: diminución da sensibilidade de recompensa e aumento da sensibilidade das expectativas conspirar para desbordar o circuíto de control do cerebro. Bioessays 32 748 – 755. 10.1002 / bies.201000042 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, et al. (2006) Cocaína e dopamina no estriat dorsal: mecanismo de ansia na adicción á cocaína. J. Neurosci. 26 6583 – 6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Cruz Ref]
Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, et al. (2015) Diminución da conectividade funcional interhemisférica do lóbulo prefrontal en adolescentes con trastorno de xogo en internet: un estudo primario que utilizou RMN en estado de repouso. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., et al. (2014) Rede funcional do cerebro trastornada no trastorno pola adicción a internet: un estudo de imaxes de resonancia magnética funcional en estado de repouso. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Weissenbacher A., Kasess C., Gerstl F., Lanzenberger R., Moser E., Windischberger C. (2009). Correlacións e anticorrelacións na RMN da conectividade funcional en estado de repouso: unha comparación cuantitativa das estratexias de preprocesamento. Neuroimage 47 1408 – 1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Cruz Ref]
Xia M., Wang J., He Y. (2013). BrainNet Viewer: unha ferramenta de visualización de rede para conectomica cerebral humana. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Yan C., Zang Y. (2010). DPARSF: caixa de ferramentas MATLAB para a análise de datos “pipeline” do IRMM en estado de repouso. Diante. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Yarkoni T., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Síntese automatizada a gran escala de datos de neuroimagens funcionais humanos. Nat. Métodos 8 665 – 670. 10.1038 / nmeth.1635 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Yeo BTT, Krienen FM, J. Sepulcre, Sabuncu MR, Lashkari D., Hollinshead M., et al. (2011) A organización da cortiza cerebral humana estimada pola conectividade funcional intrínseca. J. Neurophysiol. 106 1125 – 1165. 10.1152 / jn.00338.2011 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
KS novo (1998). A adicción a Internet: a aparición dun novo trastorno clínico. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Cruz Ref]
Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C., et al. (2015) Interaccións de redes cerebrais e control cognitivo en individuos con trastornos de xogo na internet na adolescencia tardía / idade adulta. Estrutura do cerebro. Función. [Epub antes de imprimir] .10.1007 / s00429-014-0982-7 [PubMed] [Cruz Ref]
Zalesky A., Fornito A., Bullmore ET (2010a). Estatística baseada en rede: identificación de diferenzas nas redes cerebrais. Neuroimage 53 1197 – 1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Cruz Ref]
Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C., et al. (2010b). Redes anatómicas de cerebro enteiro: importa a elección dos nodos? Neuroimage 50 970 – 983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Cruz Ref]
Zhang JT, Yao YW, Li RSE, Zang YF, Shen ZJ, Liu L., et al. (2015) Modificou a conectividade funcional do estado de repouso en adultos novos con trastorno de xogo en Internet. Adicto. Biol. [Epub antes de imprimir] .10.1111 / adb.12247 [Artigo gratuíto de PMC] [PubMed] [Cruz Ref]
Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. (2011) Anormalidades da materia gris na adicción a Internet: un estudo de morfometría baseado en voxel. EUR. J. Radiol. 79 92 – 95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Cruz Ref]