Psichiatria frontale. 2018 Apr 23; 9: 154. doi: 10.3389 / fpsyt.2018.00154. eCollection 2018.
Liu L1,2, Yao YW2, Li CR3,4, Zhang JT2, Xia CC5, Lan J1, Massa1, Zhou N1, Fang XY1.
Astratto
Il disturbo del gioco su Internet (IGD) è caratterizzato da deficit cognitivi ed emotivi. Precedenti studi hanno riportato la concomitanza di IGD e depressione. Tuttavia, la ricerca di imaging cerebrale esistente si è concentrata principalmente sui deficit cognitivi in IGD. Pochi studi hanno affrontato la comorbilità tra IGD e sintomi della depressione e meccanismi neurali sottostanti. Qui, abbiamo sistematicamente studiato questo problema combinando uno studio longitudinale, uno studio di connettività funzionale a riposo (rsFC) e uno studio di intervento. La modellazione cross-lagged autoregressiva su un set di dati longitudinale di studenti universitari ha mostrato che la severità e la depressione dell'IGD sono reciprocamente predittive. A livello neurale, gli individui con IGD hanno esibito un aumentato rsFC tra l'amigdala di sinistra e la corteccia prefrontale dorsolaterale destra (DLPFC), il giro inferiore frontale e precentrale, rispetto ai partecipanti di controllo, e la connettività dell'amigdala-frontoparietale al basale ha negativamente predetto la riduzione dei sintomi della depressione dopo un intervento di psicoterapia. Inoltre, in seguito all'intervento, gli individui con IGD hanno mostrato una diminuzione della connettività tra l'amigdala di sinistra e il centro frontale sinistro e il giro precentrale, rispetto al gruppo di non intervento. Queste scoperte indicano che l'IGD può essere strettamente associato alla depressione; aberrant rsFC tra l'emozione e le reti di controllo esecutivo possono essere alla base della depressione e rappresentare un bersaglio terapeutico in individui con IGD. Nome del registro: meccanismo comportamentale e cerebrale di IGD; URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405; Numero di registrazione: NCT02550405.
PAROLE CHIAVE:
amigdala; depressione; fMRI; disordine di gioco in internet; connettività funzionale a riposo; corteccia cingolata anteriore sottogengivale
PMID: 29740358
PMCID: PMC5924965
DOI: 10.3389 / fpsyt.2018.00154
URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405;
Numero di registrazione: NCT02550405.
Introduzione
Dipendenze comportamentali e disturbi da uso di sostanze condividono molte manifestazioni cliniche tra cui comorbidità come la depressione [1]. La dipendenza da Internet (IA) è stata considerata una presunta dipendenza comportamentale. La disfunzione da gioco su Internet (IGD), come una forma prevalente di IA, è stata inclusa nella quinta edizione del Manuale Diagnostico e Statistico dei Disturbi Mentali (DSM-5) come condizione che giustifica ulteriori studi [2]. Le malattie psichiatriche sono state convenzionalmente considerate entità categoricamente distinte. Tuttavia, nell'iniziativa di Research Domain Criteria (RDoC), i marcatori neurobiologici delle disfunzioni cognitive ed emotive sono considerati di importanza significativa nella classificazione diagnostica e possono essere condivisi tra condizioni neuropsichiatriche [3]. In particolare, l'imaging cerebrale ha fornito uno strumento efficace per identificare questi marcatori neurali. Precedenti studi hanno esaminato le basi neuronali dei deficit cognitivi come il controllo inibitorio carente e il processo decisionale disadattivo in IGD [4, 5]. Tuttavia, disfunzioni emotive (ad esempio, la depressione) e i meccanismi neurali sottostanti in questa popolazione è rimasta in gran parte poco chiara nonostante l'elevata comorbilità di IGD e depressione.
I sintomi depressivi si verificano frequentemente in soggetti con IA / IGD [6]. Una meta-analisi ha riportato una proporzione significativamente maggiore di pazienti con depressione in soggetti con IA (26.3%) rispetto a controlli sani (11.7%) [7]. Gli studi su IGD hanno anche riportato tendenze depressive più elevate nei soggetti a rischio per o con IGD, nonché riduzione della depressione durante la remissione da IGD [8-10]. Tuttavia, questi risultati cross-sectional non hanno potuto chiarire la direzionalità tra IA / IGD e depressione [11, 12]. Uno studio prospettico potrebbe aiutare a rivelare ulteriormente l'interrelazione tra i sintomi di IGD e depressione.
La risonanza magnetica funzionale a riposo è emersa come uno strumento ampiamente utilizzato per studiare l'attività cerebrale intrinseca [13, 14] e disfunzione cerebrale in molti disturbi neuropsichiatrici, tra cui IGD e disturbo depressivo maggiore (MDD) [15, 16]. È importante sottolineare che IGD e MDD sembrano condividere le alterazioni della connettività funzionale (rsFC) a riposo nella rete emozionale, comprendente l'amigdala e la corteccia cingolata anteriore sottogengivale (sgACC). Nello specifico, l'amigdala contribuisce all'individuazione e all'integrazione delle informazioni intercettive e autonome e degli stimoli emotivi e alla formazione e conservazione dei ricordi emotivi negativi [11, 15, 17-19]. Lo sgACC svolge un ruolo fondamentale nella regolazione dell'eccitazione in risposta a stimoli emotivi e altri salienti [20, 21]. Precedenti studi hanno riportato interazioni disadattive dell'amigdala con regioni della rete di controllo esecutivo, inclusa la corteccia prefrontale laterale (PFC), in collegamento con risposte eccessive agli stimoli negativi sia in MDD [22-24] e IGD [25]. Lo sgACC è fondamentale per la regolamentazione affettiva [15, 22] e la patogenesi della depressione [15, 26]. Collegato con lo sgACC e l'amigdala, il PFC fa parte del circuito di controllo delle attività che regola l'emozione [27]. I pazienti con MDD hanno mostrato un'elevata connettività tra lo sgACC e la PFC dorsolaterale / dorsomediale, in associazione con un'eccessiva rumorosità auto-diretta [28, 29]. La connettività sgACC-PFC aumentata è stata trovata anche in soggetti con tossicodipendenza [30, 31]. Pertanto, l'esame delle connettività funzionali tra amigdala, sgACC e PFC, così come la loro relazione con la depressione e la gravità della dipendenza può rivelare fenotipi neurali critici di IGD.
Inoltre, studi precedenti hanno dimostrato che gli interventi comportamentali sono efficaci nel migliorare sia la gravità della dipendenza [32, 33] e sintomi depressivi in soggetti con IGD o IA in generale [34-36]. Esaminando in che modo gli interventi comportamentali influenzano la connettività della rete emotiva e le sue associazioni con la riduzione della depressione e dei sintomi della dipendenza potrebbero fornire ulteriori prove a supporto dei substrati neurali condivisi di IGD e depressione.
Nel presente studio, abbiamo presentato i risultati di un sondaggio longitudinale di 4 per esplorare l'interrelazione tra la gravità dei sintomi della depressione e la dipendenza in IGD. Inoltre, per chiarire le reti neurali alla base della depressione nei soggetti con IGD, abbiamo condotto uno studio rsFC cross-sectional focalizzando l'amigdala e lo sgACC. Infine, abbiamo esaminato il modo in cui il trattamento comportamentale ha migliorato la depressione e la disfunzione del circuito rimediata in relazione alla depressione nei soggetti con IGD. Basato su prove comportamentali precedenti [11, 12, 37], abbiamo ipotizzato una relazione bidirezionale tra gravità passata e futura dei sintomi di dipendenza / depressione da Internet. Inoltre, sulla base di precedenti studi neuropsichiatrici [25, 38], abbiamo ipotizzato che individui con IGD mostrassero sintomi di depressione e alterazione della rsFC di amigdala e sgACC con regioni della rete di controllo esecutivo, che potrebbero essere alleviati dall'intervento comportamentale per IGD.
Materiali e Metodi
Partecipanti
Per lo Studio 1, i dati sono stati raccolti nell'ambito di uno studio longitudinale sull'uso di Internet da parte degli studenti universitari presso un'università di Pechino, in quattro ondate, a partire dall'anno 2011. Per mezzo di uno strumento di indagine online, una coorte di studenti del primo anno gli studenti sono stati valutati annualmente. Tutti i partecipanti hanno fornito il consenso informato scritto e sono stati compensati finanziariamente per il loro tempo, secondo un protocollo approvato dall'Institutional Review Board della School of Psychology, Beijing Normal University.
I partecipanti al sondaggio sono stati inclusi nello studio solo se avessero giocato a giochi online e speso in media oltre il 20% del loro tempo giornaliero utilizzando Internet per giocare durante ciascuno dei quattro anni consecutivi da cui sono stati presi i dati. Di un totale di studenti 2,182, 1,619 (femmine 1,253, maschi 366) non ha soddisfatto i criteri di inclusione e sono stati esclusi dallo studio. Il rapporto di esclusione delle femmine (90.99%) era più alto rispetto ai maschi (45.47%) (χ2 = 550.056, P <0.001). Pertanto, per lo studio sono stati ottenuti sondaggi da un totale di 563 studenti (124 femmine e 439 maschi). La loro età variava da 16 a 21 anni (media ± SD = 18.31 ± .89) all'ora 1.
Gli studi 2 e 3 facevano entrambi parte di un progetto più ampio di sviluppo e valutazione di un intervento comportamentale per IGD. I partecipanti sono stati reclutati tramite Internet e gli annunci sono stati pubblicati nelle università locali, con i seguenti criteri di inclusione: (1) un punteggio> 67 nel CIAS [39]; (2)> 14 ore settimanali impegnate in giochi su Internet, per un minimo di 1 anno. I criteri di inclusione per i partecipanti al controllo sano (HC) erano: (1) un punteggio <60 sul CIAS; (2) non aver mai trascorso più di 2 ore alla settimana a giocare su Internet. Tutti i partecipanti erano maschi destrimani. I criteri di esclusione erano qualsiasi uso attuale o precedente di sostanze illegali e gioco d'azzardo (incluso il gioco d'azzardo online), qualsiasi storia di malattia psichiatrica o neurologica e uso corrente di farmaci psicotropi, come valutato da un'intervista semi-strutturata. Un totale di 76 individui con IGD e 41 HC hanno partecipato allo Studio 2. Per lo Studio 3, sono stati reclutati 63 individui con IGD, tra i quali 44 hanno accettato di partecipare a un intervento comportamentale del desiderio (gruppo CBI +) e il resto 19 erano nel gruppo di controllo (CBI− group) a causa del loro programma di lavoro. Ventitré individui all'interno del gruppo CBI + hanno partecipato a fMRI a riposo prima e dopo CBI. Sedici CBI su 19 sono stati analizzati in modo simile negli stessi punti temporali. Gli studi 2 e 3 sono stati approvati dall'Institutional Review Board del State Key Laboratory of Cognitive Neuroscience and Learning presso la Beijing Normal University.
Misure
Per lo studio 1, 2 e 3, abbiamo misurato la gravità della dipendenza da Internet tra i giocatori del college utilizzando la scala cinese di dipendenza da Internet (CIAS; 40), che consiste di articoli 26 su una scala Likert punto 4 che valuta le dimensioni 5 dei sintomi / delle conseguenze incluso l'uso compulsivo, l'astinenza, la tolleranza e i problemi delle relazioni interpersonali e della gestione della salute / tempo. L'affidabilità e la validità del CIAS sono state dimostrate in precedenza per gli studenti universitari [40], e nell'attuale esperimento, i coefficienti alfa di Cronbach di questa scala erano 0.933–0.950 nei quattro punti temporali. Per lo Studio 1, abbiamo misurato i sintomi depressivi utilizzando i tredici item dalla Symptom Checklist (SCL-90) [41]. Questi elementi sono stati valutati su una scala da 1 (mai vero) a 4 (sempre vero). Nell'esperimento attuale, i coefficienti alfa di Cronbach per questa scala erano 0.888-0.936 nei quattro punti temporali. Negli studi 2 e 3, i sintomi della depressione dei partecipanti sono stati misurati utilizzando Beck Depression Inventory (BDI) [42].
Acquisizione dati MRI
Per gli studi 2 e 3, l'acquisizione e il pre-elaborazione dei dati RM sono stati descritti in dettaglio in uno studio precedente [33]. In breve, i dati fMRI sullo stato di riposo sono stati ottenuti su uno scanner Trio 3.0 T Siemens presso Brain Imaging Center, Beijing Normal University. I parametri per i dati EPI erano: tempo di ripetizione = 2,000 ms, tempo di eco = 30 ms, angolo di inversione = 90 °, campo visivo = 200 × 200 mm2, matrice di acquisizione = 64 × 64, dimensione voxel = 3.1 × 3.1 × 3.5 mm3, slice = 33, punto temporale = 200. È stata acquisita anche una scansione con T1 con i seguenti parametri: tempo di ripetizione = 2,530 ms, tempo di eco = 3.39 ms, angolo di inversione = 7 °, campo visivo = 256 × 256 mm2, dimensione voxel = 1 × 1 × 1.33 mm3, numero di slice = 144.
Craving Behavioural Intervention (CBI)
Il CBI è stato sviluppato sulla base di un intervento comportamentale sviluppato in precedenza [33]. Processi psicologici complessi intrecciati con disfunzione emotiva [43], la brama può giocare un ruolo critico nello sviluppo e nel mantenimento di IGD. Gli interventi che aiutano le persone a far fronte e riducono il desiderio possono promuovere risultati positivi e prevenire le ricadute (per ulteriori dettagli, vedere la sezione Metodi dei materiali supplementari).
Analisi statistica
Modellazione cross-lagged autoregressiva
Per lo studio 1, abbiamo utilizzato la modellazione cross-lagging autoregressiva (ACLM) per valutare le relazioni longitudinali e reciproche tra gravità della dipendenza e sintomi depressivi. L'ACLM è adatto per esaminare le relazioni tra due costrutti nel tempo. In ACLM, il parametro autoregressivo rappresenta quanto bene una misura precedente yt predice la misura successiva di y(T + 1)e il parametro cross-lagged rappresenta il modo in cui una misura precedente zt predice una misura successiva di y(T + 1) al di sopra e al di là della precedente misura di yt [44, 45]. L'ACLM è stato ampiamente utilizzato nello studio delle interrelazioni temporali tra cliniche e sintomi di dipendenza [37, 46, 47]. Il set di modelli cross-lagged autoregressivi sono stati testati su Mplus 7.4 [48]. Mplus utilizza il metodo di stima della massima verosimiglianza delle informazioni (FIML) per gestire i dati mancanti (vedere Materiali supplementari per ulteriori dettagli). SPSS 20.0 è stato utilizzato per le statistiche descrittive.
Testing Invariance Across Time
L'ACLM includeva otto costrutti: depressione e gravità della dipendenza a Times 1, 2, 3 e 4. Ad ogni punto temporale, le sottoscale CIAS costituivano la variabile latente della gravità della dipendenza da Internet e la gravità della depressione era indicizzata dal punteggio di sottoscala della depressione di SCL-90. Per valutare gli effetti autoregressivi e cross-lagged, abbiamo esaminato l'invarianza di configurazione, metrica (cioè carico) e strutturale in sequenza. Abbiamo confrontato gli indici di adattamento del modello di quattro modelli annidati (Tabella 1).
Tabella 1. Confronto tra i modelli cross-lagged autoregressivi.
Il modello 1 è servito come modello base senza vincoli di invarianza per verificare l'invarianza di configurazione. Nel modello 2, abbiamo testato l'invarianza metrica vincolando i load factor per essere uguali nel tempo (tabella S2), per garantire che i costrutti abbiano lo stesso significato in ogni punto temporale [50, 51]. Nel modello 3, abbiamo limitato i percorsi a cross-lag per la gravità della depressione (T) 
gravità della dipendenza (T + 1) e gravità della dipendenza (T) gravità della depressione (T + 1) per essere uguali nel tempo, rispettivamente. Infine, nel modello 4, abbiamo limitato i percorsi auto-regressivi ciascuno per la depressione e la gravità della dipendenza nel tempo per essere uguali (Figura 1). Abbiamo poi confrontato gli indici di adattamento del modello di tutti e quattro i modelli in sequenza per selezionare il modello migliore. Il χ2 valore, l'indice di confronto comparato (CFI), l'indice di Tucker-Lewis (TLI) e l'errore quadratico medio di approssimazione (RMSEA) sono stati applicati per confrontare l'adattamento del modello [49].
Figure 1 . L'analisi di regressione cross-lag. Indichiamo l'invarianza metrica, l'invarianza di configurazione e l'invarianza della covarianza dell'errore nel tempo usando le lettere sui percorsi. I numeri sono coefficienti di percorso standardizzati (*P <0.05; ***P <0.001).
Analisi statistica dei dati comportamentali
Nello studio 2, due esempi t- sono stati condotti test per confrontare la dipendenza e la gravità della depressione tra i gruppi IGD e HC. Analisi dello scostamento (ANOVA) con misure ripetute sono state utilizzate nello studio 3 per esaminare gli effetti del CBI sulle caratteristiche del gioco su Internet, con gruppo (CBI + e CBI-) come fattore tra soggetti e sessione (baseline e secondo test) come un fattore interno al soggetto.
Pre-elaborazione dei dati di risonanza magnetica
I dati sono stati preelaborati e analizzati utilizzando la versione DPABI 1.2 (http://rfmri.org/dpabi) e SPM8 (http://www.fil.ion.ucl.ac.uk/spm). I primi volumi 10 sono stati scartati. I singoli dati EPI sono stati corretti a tempo parziale. Sono stati esclusi i partecipanti il cui movimento della testa superiore a 3.0 mm in traduzione o 3 ° in rotazione (soggetti 2 IGD). Abbiamo ulteriormente ridotto i potenziali disturbi del movimento della testa con la correzione Friston-24. Abbiamo eliminato i segnali dal liquido cerebrospinale e dalla sostanza bianca per ridurre i possibili effetti di artefatti fisiologici. I dati EPI sono stati quindi normalizzati nello spazio del Neurological Institute (MNI) di Montreal. È stato utilizzato un filtro spaziale di 4 mm a larghezza intera a metà del kernel gaussiano. Successivamente, è stato applicato un filtro temporale passa banda (0.01-0.10 Hz) per ridurre le derive a bassa frequenza e il rumore ad alta frequenza.
calcoli rsFC
I semi bilaterali sottogenici di ACC e amigdala sono stati identificati da un atlante di parcellizzazione basato sulla connettività [52], e dall'atlante dell'area di Brodmann (area di Brodmann 34, vedi Figura S1). Le serie temporali medie all'interno di ciascun seme sono state regredite rispetto ai voxel dell'intero cervello per generare mappe di correlazione incrociata. I coefficienti di correlazione sono stati convertiti in punteggi Z con la trasformata r-z di Fisher.
Abbiamo confrontato la rsFC dei gruppi IGD e HC nello sgACC e nell'amigdala per lo Studio 2 e abbiamo confrontato le modifiche della rsFC tra i gruppi CBI + e CBI− ([rsFC alla seconda scansione] - [rsFC al basale]) nello Studio 3 con due -campione t-test e le mappe delle differenze di gruppo sono stati corretti per mezzo della teoria dei campi casuali gaussiani (GRFT, livello voxel P <0.001 combinato con livello di cluster P <0.05 corretto per errore familiare).
All'interno del gruppo IGD nello Studio 2, abbiamo ulteriormente condotto analisi di regressione basate sul ROI per esaminare le relazioni tra BDI, punteggio CIAS e rs-FC, con le ROI identificate dai confronti tra i gruppi del cervello intero. Abbiamo riportato attivazioni cerebrali significative all'interno delle ROI come corrette mediante GRFT con livello di voxel P <0.005 e a livello di cluster P <0.05 (PSVC-FWE <0.05).
Per lo studio 3, sono state condotte analisi di regressione basate sulla ROI all'interno del gruppo CBI + per esaminare le relazioni tra le variazioni di BDI e il punteggio CIAS e il rsFC modificato come identificato dal due campioni t-test (livello voxel P <0.005 e a livello di cluster P <0.05; PSVC-FWE <0.05).
Risultati
Studia 1: un sondaggio longitudinale sulla depressione e la gravità delle dipendenze nei giocatori di Internet
Le correlazioni bivariate hanno dimostrato una moderata stabilità delle stesse variabili tra le quattro onde, correlazioni significative concomitanti tra le variabili all'interno di ciascuna onda e significative correlazioni longitudinali tra le onde (vedi Tabella S1). In particolare, attraverso le quattro onde, la gravità della dipendenza da Internet in precedenza era associata a una maggiore depressione in seguito (r 's che vanno da 0.19 a 0.27, P <0.01) e una depressione più elevata in precedenza è stata associata a una maggiore gravità della dipendenza in seguito (r 's che vanno da 0.25 a 0.30, P <0.01).
Per testare le relazioni bidirezionali tra dipendenza e gravità della depressione, prima adattiamo il modello 1 senza covariate o vincoli. Il modello adatto per questo modello base era buono [χ2(210)
= 441.049, P <0.001, CFI = 0.972, RMSEA = 0.044, SRMR = 0.070]. Il modello 1 è servito come modello base per il confronto con modelli più vincolati, in cui ciascuno dei percorsi con ritardo incrociato era vincolato per essere uguale tra le misurazioni. Coerentemente con le nostre ipotesi, il Modello 2 ha mostrato un adattamento migliore del Modello 1 con un RMSEA migliore ma nessuna differenza significativa in χ2, CFI e TLI [Δχ2(12)
= 10.912, P > 0.05; ΔCFI <0.01, ΔTLI <0.01]. Pertanto, è stata supportata l'invarianza metrica della dipendenza da Internet, suggerendo che la gravità della dipendenza è stata compresa e valutata dai giocatori online come la stessa nei 4 anni. In secondo luogo, il modello 3 era migliore rispetto al modello 2, con RMSEA leggermente migliore ma stessi CFI, TLI e χ2 valore. Cioè, gli effetti cross-lagged delle due relazioni [depressione / dipendenza gravità (T) dipendenza / gravità della depressione (T + 1)] erano identici negli anni 4. Successivamente, il modello 4 si differenziava dal modello 3 in χ2 ma non altri indici di adattamento (ΔCFI <0.01, ΔTLI <0.01, ΔRMSEA <0.01), suggerendo che ogni effetto autoregressivo delle due variabili era stabile e identico nei 4 anni. Il modello 4 è stato quindi selezionato come modello finale per questo studio.
Table 2 elenca i coefficienti del percorso del modello 1 e 4 e mostra che la gravità della dipendenza da Internet e dei sintomi della depressione è stata correlata positivamente nel tempo. Inoltre, l'impatto della depressione sulla gravità della dipendenza (β = 0.118, 0.126, 0.127) era superiore all'impatto della gravità della dipendenza sulla depressione (β = 0.070, 0.066, 0.070). Insieme, questi risultati forniscono misure statistiche dell'interrelazione temporale tra depressione e gravità della dipendenza.
Tabella 2. Stime dei parametri del modello base e del modello ARCL 6.
Studia 2: correlazioni neurali della depressione nei disturbi del gioco su Internet
Caratteristiche demografiche e di gioco su Internet di soggetti con IGD e HC
I soggetti con IGD e HC non differivano per età, istruzione, uso di alcol e misure per il fumo di sigaretta. Come previsto, i soggetti con IGD hanno riportato un BDI più elevato (8.78 ± 5.54 vs 2.85 ± 3.64; t = 6.91, P <0.001) e punteggi CIAS superiori (78.46 ± 8.40 contro 43.49 ± 9.64; t = 20.27, P <0.001), rispetto ai soggetti HC (Tabella S3).
Differenze rsFC tra soggetti IGD e HC
Rispetto a HC, i soggetti con IGD hanno mostrato un rsFC significativamente più alto tra l'amigdala sinistra e la DLPFC destra (Figura 2 e tabella 3). Tuttavia, non sono state osservate differenze significative tra i gruppi per l'amigdala destro o semi sgACC bilaterali. Utilizzando un criterio più liberale (livello voxel P <0.005 e a livello di cluster P <0.05), i soggetti IGD hanno mostrato un rsFC significativamente più alto tra lo sgACC sinistro e il DLPFC destro (Figura S2 e Tabella S4).
Figure 2 . Connettività funzionale allo stato di riposo in soggetti con IGD e HC (A) e associazione con la depressione nel gruppo IGD (B).
Tabella 3. Posizioni e regioni di semi che mostrano differenze significative nella connettività tra i soggetti con IGD e HC (GRFT, livello di voxel P <0.001 e a livello di cluster P <0.05).
Relazioni di comportamento cerebrale
All'interno del gruppo IGD, il punteggio di depressione era negativamente correlato con la connettività tra l'amigdala di sinistra e la DLPFC destra (MNI: 57, 9, 30; r = -0.35; figura 2). Non c'era alcuna correlazione significativa tra gravità della dipendenza e connettività DLPFC sinistra amygdala-destra.
Studio 3: gli effetti dell'intervento comportamentale sulla depressione e le basi neurali dell'efficacia terapeutica
Demografia e caratteristiche di gioco di Internet
L'ANOVA con misure ripetute ha mostrato un'interazione di gruppo (CBI + e CBI−) per sessione (prima e seconda valutazione) per la gravità dell'IGD [F(1, 59) = 22.62, P <0.001] e punteggio BDI [F(1, 59) = 7.89, P <0.01] (Tabella 4). Rispetto al gruppo di controllo, il gruppo di intervento ha mostrato riduzioni significative sia del punteggio CIAS che della depressione dopo il trattamento.
Tabella 4. Confronto delle variabili misurate tra il CBI + e il gruppo CBI nei punti temporali prima e dopo l'intervento.
Cambiamenti in rsFC nei gruppi CBI + e CBI
Rispetto al gruppo CBI, il gruppo CBI + ha mostrato significativamente ridotto rsFC dell'amigdala sinistro con giro precentrale sinistro e DLPFC, a seguito dell'intervento (Figura 3A e tabella 5). Tuttavia, non sono state osservate differenze significative tra i gruppi per l'amigdala destro o semi sgACC bilaterali. Con un criterio più liberale (livello voxel P <0.005 e a livello di cluster P <0.05), i soggetti CBI + hanno mostrato una connettività funzionale significativamente ridotta tra lo sgACC sinistro e il giro postcentrale sinistro (Figura S3 e Tabella S5).
Figure 3 . Risultati nello studio 3. Confronto delle modifiche rsFC ([rsFC alla seconda scansione] - [rsFC alla baseline]) tra i gruppi CBI + e CBI sull'amigdala di sinistra con MFG, giro precentrale e SFG (A); Associazione negativa tra FC dell'amigdala sinistra e DLPFC destra al basale con mutamento del punteggio di depressione nel gruppo CBI + (B); Scatterplot mostra la correlazione tra il punteggio modificato di BDI e i valori beta per il cluster sopravvissuto nel basale rsFC di amygdala-DLPFC (C).
Tabella 5. Luoghi e regioni di semi che mostrano differenze significative nella connettività tra gruppi CBI + e CBI- (GRFT, livello voxel P <0.001 e a livello di cluster P <0.05).
Relazioni di comportamento cerebrale
Sebbene non siano state osservate associazioni significative tra i cambiamenti del rsFC e i livelli di depressione o gravità della dipendenza nel gruppo CBI +, la connettività tra amigdala sinistra e DLPFC destra al basale era negativamente associata al punteggio modificato della depressione ([Post-Pre], MNI: 42, 15, 27, r = 0.63; SVC; figure 3B, C) nel gruppo CBI +. Tuttavia, l'associazione non era più significativa se controllata per la gravità della depressione di base.
Discussione
Abbiamo valutato la relazione tra i sintomi di depressione e dipendenza e i meccanismi neurali sottostanti combinando uno studio longitudinale, uno studio di connettività funzionale a riposo (rsFC) e uno studio di intervento. In generale, la dipendenza da Internet e la depressione mantengono una relazione bidirezionale tra i giocatori di Internet poiché la dipendenza e la gravità della depressione si influenzano reciprocamente su un periodo di 4-anno. Confrontando direttamente individui con soggetti con IGD e HC, abbiamo scoperto che il gruppo IGD mostrava una maggiore gravità della depressione e amigdala-DLPFC rsFC, con la forza della connettività negativamente associata alla depressione nel gruppo IGD. Inoltre, gli individui con IGD hanno mostrato ridotta gravità della depressione e rsFC tra l'amigdala e la DLPFC dopo aver ricevuto un intervento comportamentale per IGD. Interazioni aberranti tra reti di controllo emotivo ed esecutivo possono contribuire ai sintomi della depressione in IGD e gli interventi mirati a queste aberrazioni possono alleviare entrambi i sintomi della dipendenza da Internet e della depressione. Insieme, queste scoperte forniscono un forte supporto che la dipendenza da gioco in Internet e i sintomi della depressione sono strettamente interconnessi.
I risultati sono coerenti con l'ipotesi che i sintomi di dipendenza e depressione dei giocatori di Internet siano reciprocamente influenzati. In particolare, la gravità della depressione / dipendenza da Internet in un momento precedente predice positivamente la gravità della dipendenza / depressione in un momento successivo. Pertanto, la dipendenza e la gravità della depressione nei giocatori online sono correlate in modo bidirezionale, coerentemente con i risultati di altri disturbi da dipendenza [53, 54]. Sebbene studi precedenti abbiano rivelato una maggiore depressione tra i giocatori online [5, 16, 55, 56], così come i rapporti reciproci tra depressione e gravità della dipendenza utilizzando dati longitudinali [57], i risultati attuali sono i primi a dimostrare una relazione bidirezionale stabile tra i sintomi della depressione e la dipendenza nei giocatori di Internet. La relazione bidirezionale può trasparire perché gli individui (1) affrontano il loro disagio emotivo giocando a giochi su Internet [2, 58]; (2) i giochi su Internet prolungati inducono depressione a causa della mancanza o del ritiro dalle relazioni di vita reale [58, 59]. Inoltre, alcuni fattori condivisi come eventi biologici, sociali o della prima infanzia possono aumentare il rischio sia di depressione che di IGD, così come la loro associazione [58, 60]. Inoltre, l'impatto della depressione sulla gravità della dipendenza sembrava essere superiore all'impatto della dipendenza dalla depressione, un problema che richiede ulteriori indagini.
A livello neurale, rispetto a HC, il gruppo IGD ha mostrato un rsFC significativamente più alto tra l'amigdala sinistra e la DLPFC destra, che era negativamente associata alla gravità della depressione all'interno del gruppo IGD. L'amigdala svolge un ruolo fondamentale nell'elaborazione emotiva, nel riconoscimento e nella formazione della memoria [11, 17, 19]. È importante sottolineare che la reattività dell'amigdala può essere modulata dal PFC e un'interazione neurale aberrante tra queste due regioni è stata caratterizzata in depressione. Inoltre, la reattività dell'amigdala può essere modulata dal PFC e un'interazione neurale aberrante tra queste due regioni è stata caratterizzata in depressione. Ad esempio, rsFC più debole tra amigdala e PFC è stato dimostrato in precedenti studi a riposo in depressione [23, 24, 61], IG D [25] e abuso di alcool [62]. Diminuzione della connettività funzionale PFC-amigdala durante le attività legate alle emozioni è stata riportata anche in MDD [27, 38, 63]. Il DLPFC supporta sia il controllo cognitivo che quello affettivo [64] e la connettività alterata tra DLPFC e amigdala potrebbe essere associata a difficoltà o disturbi nella regolazione delle emozioni negative. In contrasto con la maggior parte degli studi precedenti sulla MDD, i risultati attuali hanno mostrato una elevata connettività con amigdala-DLPFC. Un ad-hoc la spiegazione è che i partecipanti IGD possono continuare a giocare come una strategia di coping per sfuggire alle emozioni negative [58, 61], impegnando la DLPFC nel controllo dell'emozione negativa, che può essere relativamente intatta in individui con IGD [65], relativo a quelli con MDD. Va notato che i soggetti con IGD con sintomi di depressione maggiore hanno mostrato una minore connettività tra l'amigdala e la DLPFC, suggerendo che la relazione tra depressione e connettività con amigdala-DLPFC potrebbe non essere lineare. Pertanto, i soggetti affetti da IGD con sintomi di depressione inferiore possono aumentare il controllo prefrontale sull'attività dell'amigdala per gestire i problemi emotivi, ma tale modulazione non è stata altrettanto efficace o addirittura interrotta in quelli con sintomi depressivi più gravi. Insieme, la direzionalità delle alterazioni nella connettività centrata sull'amigdala richiede più ricerca, con considerazioni attente sulla metodologia, la gravità della depressione, l'eterogeneità funzionale delle sub-regioni prefrontali e gli effetti dei trattamenti farmacologici. "
Coerente con quelli di una meta-analisi degli interventi comportamentali in IGD [34], l'attuale studio di intervento ha mostrato una significativa riduzione della dipendenza da Internet e dei sintomi della depressione nel gruppo CBI + dopo aver ricevuto un intervento rispetto al gruppo CBI. Inoltre, il gruppo CBI + ha mostrato una ridotta rsFC dell'amigdala con regioni corticali frontali. Pertanto, la CBI sembra normalizzare la connettività dell'amigdala-DLPFC riducendo direttamente la salienza degli stimoli emotivi negativi, in modo che i soggetti con IGD richiedano meno risorse cognitive per la regolazione delle emozioni. Presi insieme, questi risultati suggeriscono che le interazioni funzionali tra l'amigdala e la DLPFC possono servire come un potenziale marker neurobiologico dei sintomi della depressione in IGD e target candidato per gli interventi clinici.
Contrariamente ai risultati di MDD [15, 29, 64], non è stata trovata alcuna significativa alterazione rsFC centrata sullo sgACC in individui con IGD, né l'effetto della CBI nel rimodellamento del rsFC tra lo sgACC e la corteccia prefrontale. Una possibile spiegazione è stata che, nello studio 2 e 3, abbiamo escluso i soggetti affetti da IGD con depressione grave da controllare per possibili fattori confondenti e la dysconnectivity sgACC potrebbe non manifestarsi in soggetti con depressione meno grave. Un'altra possibilità riguarda i diversi meccanismi alla base dei sintomi di depressione maggiore nei soggetti con IGD e nei pazienti con MDD, un problema che deve essere ulteriormente studiato da studi su individui con diagnosi singola e comorbida. Tuttavia, va notato che i risultati hanno mostrato schemi di rete simili tra lo sgACC e l'amigdala, che era coerente con gli studi sulla MDD che la rsFC aberrante della rete affettiva si sovrapponeva nella corteccia prefrontale [23, 29].
Lo studio ha rivelato una relazione bidirezionale tra depressione e gravità della dipendenza, nonché i suoi meccanismi neurali sottostanti in IGD. Per lo meno, questi risultati forniscono la prova di un importante fenotipo neuronale: un potenziale RDoC [3] Di IGD. Questi risultati possono anche gettare nuova luce sullo sviluppo di interventi più efficaci per IGD. La disfunzione emotiva inclusa la depressione è considerata un importante bersaglio terapeutico nelle dipendenze a causa della sua associazione con la ricaduta [66]. Sulla base dei risultati attuali, la depressione e altre disfunzioni emozionali dovrebbero essere prese in considerazione quando si progettano interventi e si valutano gli esiti terapeutici per IGD. Ad esempio, approcci come il neuro-feedback fMRI in tempo reale [67] per modulare rsFC dell'amigdala e sgACC può efficacemente migliorare i sintomi di IGD e depressione e integrare altri interventi per ottenere risultati migliori.
Alcune limitazioni dovrebbero essere notate. Innanzitutto, lo studio 1 utilizzava la sottoscala di SCL-90, mentre lo studio 2 e 3 utilizzavano il BDI per misurare la depressione. Sebbene entrambi siano strumenti di valutazione ampiamente utilizzati con buone proprietà psicometriche, i risultati sono rimasti confermati da studi che hanno effettuato misurazioni coerenti. In secondo luogo, IGD è uno dei sottotipi più studiati di IA. Tuttavia, si dovrebbe essere cauti nel generalizzare queste scoperte ad altri sottotipi di IA (es. Dipendenza da cybersessualità) [68]. In terzo luogo, l'attuale studio si è concentrato sui giovani adulti. L'adolescenza è un altro periodo critico per lo sviluppo di IGD e di molti problemi emotivi, inclusa la depressione [69]. Vi è un'urgente necessità di studi futuri per esaminare la comorbilità tra IGD e depressione e i meccanismi neurali sottostanti negli adolescenti. In quarto luogo, le scoperte attuali non chiariscono la relazione causale tra depressione e IGD. Studi in doppio cieco, randomizzati, controllati con placebo che utilizzano una combinazione di fMRI e antidepressivi possono affrontare direttamente questo problema. In quinto luogo, nello studio 3, i soggetti IGD non sono stati assegnati in modo casuale ai gruppi CBI + e CBI-. Pertanto, non possiamo escludere possibili fattori confondenti come la motivazione a ricevere trattamenti sugli attuali risultati comportamentali e di imaging. Alla fine, abbiamo determinato IGD in base ai punteggi CIAS e al tempo di gioco settimanale. Tuttavia, tale definizione basata sui sintomi potrebbe mancare di una solida base teorica e comportare il rischio di patologizzare comportamenti comuni [70]. Pertanto, nuovi studi diagnostici basati su un'appropriata definizione operativa di IGD e sulla considerazione di criteri esclusivi critici sono raccomandati per studi futuri.
In conclusione, utilizzando una combinazione di indagine longitudinale, fMRI e studi di intervento, abbiamo riportato che i sintomi della dipendenza da Internet e della depressione erano altamente correlati con influenze reciproche tra i giocatori di Internet. Gli individui con IGD mostravano una maggiore connettività con amigdala-DLPFC, che era associata negativamente con i sintomi della depressione, e tali alterazioni e la connettività fronto-cingolata erano diminuite dopo un intervento comportamentale per IGD. Insieme, i sintomi di alta depressione e la disfunzione del circuito fronto-cingulato-amgydala dovrebbero essere presi in considerazione per la classificazione diagnostica di IGD e lo sviluppo degli interventi per IGD.
Contributi degli autori
J-TZ e X-YF erano responsabili del concetto di studio e del design; LL, C-CX, JL e S-SM hanno contribuito alla pratica dell'intervento e all'acquisizione dei dati; Y-WY, LL, J-TZ e CL hanno assistito con l'analisi dei dati e l'interpretazione dei risultati; LL e Y-WY hanno redatto il manoscritto. J-TZ, CL e X-YF hanno fornito una revisione critica del manoscritto per il contenuto intellettuale. Tutti gli autori hanno esaminato e approvato criticamente la versione finale del manoscritto inviato per la pubblicazione.
Dichiarazione di conflitto di interessi
Gli autori dichiarano che la ricerca è stata condotta in assenza di relazioni commerciali o finanziarie che potrebbero essere interpretate come un potenziale conflitto di interessi.
Ringraziamenti
Ringraziamo tutti i soggetti per aver partecipato al nostro studio. Questo lavoro è stato sostenuto dalla National Natural Science Foundation of China (n. 31170990, n. 81100992, n. 31700966); i fondi di ricerca fondamentali per le università centrali (numero 2017XTCX04); una sovvenzione NIH (n. K02DA026990); e una sovvenzione dalla China Postdoctoral Science Foundation (n. 2017M620655).
Materiale supplementare
Il materiale supplementare per questo articolo è disponibile online all'indirizzo: https://www.frontiersin.org/articles/10.3389/fpsyt.2018.00154/full#supplementary-material
Riferimenti
1. Chamberlain SR, Lochner C, Stein DJ, Goudriaan AE, van Holst RJ, Zohar J, et al. Dipendenza comportamentale: un'ondata crescente? Eur Neuropsychopharmacol (2016) 26: 841-55. doi: 10.1016 / j.euroneuro.2015.08.013
2. American Psychiatric Association. Manuale diagnostico e statistico dei disturbi mentali, 5th Edn. Arlington, VA: American Psychiatric Association (2013).
3. Insel T, Cuthbert B, Garvey M, Heinssen R, Pine DS, Quinn K e altri. Criteri di dominio di ricerca (RDoC): verso un nuovo quadro di classificazione per la ricerca sui disturbi mentali. Am J Psychiatry (2010) 167: 748-51. doi: 10.1176 / appi.ajp.2010.09091379
4. Lin X, Zhou H, Dong G, Du X. Valutazione del rischio compromessa nelle persone con disabilità da gioco su Internet: prove di risonanza magnetica derivante da un compito di attualizzazione probabilistica. Prog Neuropsychopharmacol Biol Psychiatry (2015) 56: 142-8. doi: 10.1016 / j.pnpbp.2014.08.016
5. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, et al. Attivazione dello striato ventrale e dorsale durante la reattività della cue nel disturbo del gioco su Internet. Addict Biol. (2017) 22: 791-801. doi: 10.1111 / adb.12338
6. Kaess M, Durkee T, Brunner R, Carli V, Parzer P, Wasserman C, et al. Uso patologico di Internet tra adolescenti europei: psicopatologia e comportamenti autodistruttivi. Eur Child Adolesc Psychiatry (2014) 23:1093–102. doi: 10.1007/s00787-014-0562-7
7. Ho RC, Zhang MW, Tsang TY, Toh AH, Pan F, Lu Y, et al. L'associazione tra dipendenza da Internet e co-morbidità psichiatrica: una meta-analisi. BMC Psychiatry (2014) 14:183. doi: 10.1186/1471-244X-14-183
8. King, DL e Delfabbro, PH La psicopatologia cognitiva del disturbo da gioco su Internet in adolescenza. J Abnorm Child Psychol. (2016) 44:1635–45. doi: 10.1007/s10802-016-0135-y
9. Lin PC, Su CH, Yen JY, Ko CH. L'associazione tra sintomi psichiatrici comorbili e remissione del disturbo da gioco su Internet tra studenti universitari e adulti non studenti. Psichiatria taiwanese (2016) 30: 279-88. doi: 10.1016 / j.eurpsy.2010.04.011
10. Stetina BU, Kothgassner OD, Lehenbauer M, Kryspin-Exner I. Oltre il fascino dei giochi online: sondare il comportamento avvincente e la depressione nel mondo del gioco online. Comp Hum Behav (2011) 27: 473-9. doi: 10.1016 / j.chb.2010.09.015
11. Gentile DA, Choo H, Liau A, Sim T, Li D, Fung D, et al. Uso di videogiochi patologici tra i giovani: uno studio longitudinale di due anni. Pediatria (2011). 127:319–27. doi: 10.1542/peds.2010-1353
12. Giovane KS, Rogers RC. La relazione tra depressione e dipendenza da Internet. CyberPsychol Behav. (1998) 1: 25-8. doi: 10.1089 / cpb.1998.1.25
13. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA. Connettività funzionale allo stato di riposo nella dipendenza: lezioni apprese e una strada da percorrere. Neuroimage (2012) 62: 2281-95. doi: 10.1016 / j.neuroimage.2012.01.117
14. Zhang S, Li CSR. Una misura neurale dell'impegno comportamentale: attività dipendente dal livello di ossigenazione del sangue a bassa frequenza nel precuneus. Neuroimage (2010) 49: 1911-8. doi: 10.1016 / j.neuroimage.2009.09.004
15. Connolly CG, Wu J, Ho TC, Hoeft F, Wolkowitz O, Eisendrath S, et al. Connettività funzionale allo stato di riposo della corteccia cingolata anteriore sottogengurale negli adolescenti depressi. Biol Psychiatry (2013) 74: 898-907. doi: 10.1016 / j.biopsych.2013.05.036
16. Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L, et al. Connettività funzionale alterata dello stato di riposo dell'insula nei giovani adulti con disturbo del gioco su Internet. Addict Biol. (2016a) 21: 743-51. doi: 10.1111 / adb.12247
17. Adolphs R, Tranel D, Damasio H, Damasio A. Comprovato riconoscimento dell'emozione nelle espressioni facciali a seguito di danno bilaterale all'amigdala umana. Natura (1994) 372:669–72. doi: 10.1038/372669a0
18. Gottfried JA, O'Doherty J, Dolan RJ. Codifica del valore di ricompensa predittivo nell'amigdala umana e nella corteccia orbitofrontale. Scienze (2003) 301: 1104-7. doi: 10.1126 / science.1087919
19. Phelps EA, LeDoux JE. Contributi dell'amigdala all'elaborazione delle emozioni: dai modelli animali al comportamento umano. Neuron (2005) 48: 175-87. doi: 10.1016 / j.neuron.2005.09.025
20. Zhang S, Hu S, Chao HH, Ide JS, Luo X, Farr OM, et al. Corteccia prefrontale ventromediale e regolazione dell'eccitazione fisiologica. Soc Cogn Affect Neurosci. (2013) 9: 900-8. doi: 10.1093 / scan / nst064
21. Zhang S, Hu S, Chao HH, Luo X, Farr OM, Li CSR. Correlati cerebrali delle risposte di conduttanza della pelle in un compito cognitivo. Neuroimage (2012) 62: 1489-98. doi: 10.1016 / j.neuroimage.2012.05.036
22. Kaiser RH, Andrews-Hanna JR, Wager TD, Pizzagalli DA. Disfunzione di rete su larga scala nel disturbo depressivo maggiore: una meta-analisi della connettività funzionale a riposo. JAMA Psichiatria (2015) 72: 603-11. doi: 10.1001 / jamapsychiatry.2015.0071
23. Tahmasian M, Knight DC, Manoliu A, Schwerthöffer D, Scherr M, Meng C, et al. La connettività intrinseca aberrante dell'ippocampo e dell'amigdala si sovrappongono nella corteccia fronto-insulare e dorsomediale prefrontale nel disturbo depressivo maggiore. Front Hum Neurosci. (2013) 7: 639. doi: 10.3389 / fnhum.2013.00639
24. Tang Y, Kong L, Wu F, Womer F, Jiang W, Cao Y, et al. Diminuzione della connettività funzionale tra l'amigdala e la corteccia prefrontale ventrale sinistra in pazienti naive al trattamento con disturbo depressivo maggiore: uno studio di risonanza magnetica funzionale a riposo. Psychol Med. (2013) 43: 1921-7. doi: 10.1017 / S0033291712002759
25. Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. Alterata densità della materia grigia e interruzione della connettività funzionale dell'amigdala negli adulti con disturbi del gioco su Internet. Prog Neuropsychopharmacol Biol Psychiatry (2015) 57: 185-92. doi: 10.1016 / j.pnpbp.2014.11.003
26. Huebl J, Brücke C, Merkl A, Bajbouj M, Schneider GH, Kühn AA. L'elaborazione degli stimoli emotivi si riflette nelle modulazioni dell'attività della banda beta nella corteccia cingolata anteriore sottogengivale in pazienti con depressione resistente al trattamento. Soc. Cogn Affect Neurosci. (2016) 11: 1290-8. doi: 10.1093 / scan / nsw038
27. Kong L, Chen K, Womer F, Ren L, Jiang W, Cao Y, et al. Connettività funzionale tra l'amigdala e la corteccia prefrontale in individui naive di farmaci con disturbo depressivo maggiore. J Psychiatry Neurosci. (2013) 38: 417-22. doi: 10.1503 / jpn.120117
28. Hamilton JP, Chen G, Thomason ME, Schwartz ME, Gotlib IH. Indagine sul primato neurale nel disturbo depressivo maggiore: analisi della causalità multivariata e multipla dei dati della serie temporale fmri allo stato di riposo. Mol Psychiatry (2011) 16: 763-72. doi: 10.1038 / mp.2010.46
29. Sheline YI, prezzo JL, Yan Z, Mintun MA. La risonanza magnetica funzionale in stato di riposo in depressione smaschera la connettività tra le reti attraverso il nesso dorsale. Proc Natl Acad Sci USA (2010) 107: 11020-5. doi: 10.1073 / pnas.1000446107
30. Camchong J, MacDonald AW, Mueller BA, Nelson B, Specker S, Slaymaker V, et al. Cambiamenti nella connettività funzionale a riposo durante l'astinenza nel disturbo da uso di stimolanti: un confronto preliminare di recidivanti e astemi. Dipendenza da alcol della droga (2014) 139: 145-51. doi: 10.1016 / j.drugalcdep.2014.03.024
31. Camchong J, Stenger A, Fein G. Sincronizzazione dello stato di riposo in alcolisti astinenziali a lungo termine. Alcool Clin Exp Res. (2013) 37:75–85. doi: 10.1111/j.1530-0277.2012.01859.x
32. Zhang JT, Ma SS, Li CSR, Liu L, Xia CC, Lan J, et al. Interessato intervento comportamentale per il disturbo del gioco su internet: rimedio alla connettività funzionale dello striato ventrale. Addict Biol. (2018) 23: 337-46. doi: 10.1111 / adb.12474
33. Zhang JT, Yao YW, Potenza MN, Xia CC, Lan J, Liu L, et al. Alterata attività neurale a riposo e cambiamenti in seguito a un bizzarro intervento comportamentale per il disturbo del gioco su Internet. Sci Rep. (2016b) 6: 28109. doi: 10.1038 / srep28109
34. Winkler A, Dörsing B, Rief W, Shen Y, Glombiewski JA. Trattamento della dipendenza da internet: una meta-analisi. Clin Psychol Rev. (2013) 33: 317-29. doi: 10.1016 / j.cpr.2012.12.005
35. Deng LY, Liu L, Xia CC, Lan J, Zhang JT, Fang XY. Desiderio di intervento comportamentale per migliorare il disturbo del gioco in Internet degli studenti universitari: uno studio longitudinale. Psychol frontale. (2017) 8: 526. doi: 10.3389 / fpsyg.2017.00526
36. Yao YW, Chen PR, Chiang-shan RL, Hare TA, Li S, Zhang JT, et al. La terapia di realtà combinata e la meditazione di consapevolezza diminuiscono l'impulsività decisionale intertemporale nei giovani adulti con disturbo del gioco su Internet. Comp Hum Behav. (2017a) 68: 210-6. doi: 10.1016 / j.chb.2016.11.038
37. Liang L, Zhou D, Yuan C, Shao A, Bian Y. Differenze di genere nella relazione tra dipendenza da Internet e depressione: uno studio cross-lag in adolescenti cinesi. Comp Hum Behav. (2016) 63: 463-70. doi: 10.1016 / j.chb.2016.04.043
38. Siegle GJ, Thompson W, Carter CS, Steinhauer SR, Thase ME. Aumento dell'amigdala e diminuzione delle risposte BALL prefrontali dorsolaterali nella depressione unipolare: caratteristiche correlate e indipendenti. Biol Psychiatry (2007) 61: 198-209. doi: 10.1016 / j.biopsych.2006.05.048
39. Ko CH, Yen JY, Chen SH, Yang MJ, Lin HC, Yen CF. Proposto criteri diagnostici e lo strumento di screening e diagnosi della dipendenza da Internet negli studenti universitari. Comp Psychiatry (2009) 50: 378-84. doi: 10.1016 / j.comppsych.2007.05.019
40. Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. Correlazione cerebrale dell'inibizione della risposta nel disturbo del gioco su Internet. Psichiatria Clin Neurosci. (2015) 69: 201-9. doi: 10.1111 / pcn.12224
41. Derogatis LR, Lipman RS, Covi L. L'SCL-90: una valutazione preliminare ambulatoriale. Psychopharmacol Bull. (1973) 9: 13-28.
42. Beck AT, Ward CH, Mendelson M, Mock J, Erbaugh J. Un inventario per misurare la depressione. Arch Gen Psychiatry (1961) 4: 561-71. doi: 10.1001 / archpsyc.1961.01710120031004
43. Kober H, Mendesiedlecki P, Kross EF, Weber J, Mischel W, Hart CL, et al. La via prefrontale-striatale è alla base della regolazione cognitiva del desiderio. Proc Natl Acad Sci USA (2010) 107: 14811-6. doi: 10.1073 / pnas.1007779107
44. Bast J, Reitsma P. Matthew ha effetti sulla lettura: un confronto tra modelli di curve di crescita latenti e modelli simplex con mezzi strutturati. Risorsa multivariato Behav (1997) 32:135–67. doi: 10.1207/s15327906mbr3202_3
45. Curran PJ, Bollen KA. Il meglio di entrambi i mondi: combinazione di modelli autoregressivi e di curve latenti. In Collins LM e Sayer AG, editori. Nuovi metodi per l'analisi del cambiamento. Washington, DC: American Psychological Association (2001). p. 107-135.
46. Jun S. Le reciproche relazioni longitudinali tra dipendenza da telefono cellulare e sintomi depressivi tra adolescenti coreani. Comp Hum Behav (2016) 58: 179-86. doi: 10.1016 / j.chb.2015.12.061
47. Canzone TM, An JY, Hayman LL, Kim GS, Lee JY, Jang HL. Una analisi triennale autoregressiva del pannello cross-lagged sulla dipendenza da nicotina e fumo medio. Ris. Informatica Sanitaria. (2012) 18: 115-24. doi: 10.4258 / hir.2012.18.2.115
48. Muthén L. Guida per l'utente di Mplus. (2012). Los Angeles, CA: Muthén e Muthén 1998–2010.
49. Cheung GW, Rensvold RB. Valutare gli indici di bontà di adattamento per testare l'invarianza di misura. Struct Equ Model Multidiscpl J. (2002) 9:233–55. doi: 10.1207/S15328007SEM0902_5
50. Ciarrochi J, Parker P, Kashdan T, Heaven P, Barkus E. Speranza e benessere emotivo. Uno studio longitudinale di sei anni per distinguere antecedenti, correlazioni e conseguenze. [Pubblicazione online avanzata]. J. Posit. Psychol. (2015). 10: 520-32. doi: 10.1080 / 17439760.2015.1015154
51. Steenkamp JBEM, Baumgartner H. Valutare l'invarianza della misurazione nella ricerca transnazionale sui consumatori. J. Consum. Res. (1998) 25: 78-107. doi: 10.1086 / 209528
52. Neubert FX, Mars RB, Sallet J, Rushworth MF. La connettività rivela la relazione delle aree cerebrali per l'apprendimento guidato dalla ricompensa e il processo decisionale nella corteccia frontale umana e scimmia. Proc Natl Acad Sci USA (2015) 112: E2695-704. doi: 10.1073 / pnas.1410767112
53. Chaiton MO, Cohen JE, O'Loughlin J, Rehm J. Una revisione sistematica di studi longitudinali sull'associazione tra depressione e fumo negli adolescenti. BMC Public Health (2009) 9:356. doi: 10.1186/1471-2458-9-356
54. Gilman SE, Abraham HD. Uno studio longitudinale sull'ordine di insorgenza della dipendenza da alcol e depressione maggiore. Dipendenza da alcol della droga (2001) 63:277–86. doi: 10.1016/S0376-8716(00)00216-7
55. Tortolero SR, Peskin MF, Baumler ER, Cuccaro PM, Elliott MN, Davies SL, et al. Ogni giorno giochi di video violenti e depressione nella gioventù preadolescenziale. Cyberpsychol Behav Soc Netw. (2014) 17: 609-15. doi: 10.1089 / cyber.2014.0091
56. Ko CH, Yen JY, Chen SH, Wang PW, Chen CS, Yen CF. Valutazione dei criteri diagnostici del disturbo del gioco su Internet nel DSM-5 tra i giovani adulti a Taiwan. J Psychiatr Res. (2014) 53: 103-10. doi: 10.1016 / j.jpsychires.2014.02.008
57. Cho SM, Sung MJ, Shin KM, Lim KY, Shin YM. La psicopatologia nell'infanzia predice la dipendenza da Internet negli adolescenti maschi? Child Psychiatry Hum Dev. (2013) 44:549–55. doi: 10.1007/s10578-012-0348-4
58. Rappeneau V, Bérod A. Riconsiderando la depressione come un fattore di rischio per il disturbo da uso di sostanze: intuizioni da modelli di roditori. Neurosci Biobehav. Rev. (2017) 77: 303-16. doi: 10.1016 / j.neubiorev.2017.04.001
59. Choi J, Cho H, Kim JY, Jung DJ, Ahn KJ, Kang HB, et al. Le alterazioni strutturali nella corteccia prefrontale mediano la relazione tra disturbo del gioco su Internet e umore depresso. Sci Rep (2017) 7:1245. doi: 10.1038/s41598-017-01275-5
60. Kendler KS, Prescott CA, Myers J, Neale MC. La struttura dei fattori di rischio genetici e ambientali per i comuni disturbi psichiatrici e di uso di sostanze negli uomini e nelle donne. Arch Gen Psychiatry (2003) 60: 929-37. doi: 10.1001 / archpsyc.60.9.929
61. Pannekoek JN, Werff SJA, Meens PH, Bulk BG, Jolles DD, Veer IM, et al. Connettività funzionale a riposo aberrante nelle reti limbiche e salienti negli adolescenti clinicamente depressi dal trattamento naive. J Child Psychol Psychiatry (2014) 55: 1317-27. doi: 10.1111 / jcpp.12266
62. Hu S, Ide JS, Chao HH, Zhornitsky S, Fischer KA, Wang W, et al. Connettività funzionale dello stato di riposo dell'amigdala e problema del bere in bevitori di alcol non dipendenti. Dipendenza da alcol della droga (2018) 185: 173-180. doi: 10.1016 / j.drugalcdep.2017.11.026
63. Dannlowski U, Ohrmann P, Konrad C, Domschke K, Bauer J, Kugel H, et al. Accoppiamento ridotto dell'amigdala prefrontale nella depressione maggiore: associazione con genotipo della MAOA e gravità della malattia. Int J Neuropsychopharmacol. (2009) 12: 11-22. doi: 10.1017 / S1461145708008973
64. Mulders PC, van Eijndhoven PF, Schene AH, Beckmann CF, Tendolkar I. Connettività funzionale allo stato di riposo nel disturbo depressivo maggiore: una revisione. Neurosci Biobehav Rev (2015) 56: 330-44. doi: 10.1016 / j.neubiorev.2015.07.014
65. Yao YW, Liu L, Ma SS, Shi XH, Zhou N, Zhang JT, et al. Alterazioni neurali funzionali e strutturali nel disordine del gioco su Internet: una revisione sistematica e una meta-analisi. Neurosci Biobehav Rev. (2017) 83: 313-24. doi: 10.1016 / j.neubiorev.2017.10.029
66. Li CR, Sinha R. Controllo inibitorio e regolazione dello stress emotivo: evidenze neuroimaging per la disfunzione frontal-limbica nella dipendenza da psico-stimolante. Neurosci Biobehav Rev. (2008) 32: 581-97. doi: 10.1016 / j.neubiorev.2007.10.003
67. Kirsch M, Gruber I, Ruf M, Kiefer F, Kirsch P. Il neurofeedback a risonanza magnetica funzionale in tempo reale può ridurre la cue-reattività striatale agli stimoli dell'alcool. Addict Biol. (2015) 21: 982-92. doi: 10.1111 / adb.12278
68. Wéry A, Billieux J. Cybersex problematico: concettualizzazione, valutazione e trattamento. Addict Behav. (2017) 64: 238-46. doi: 10.1016 / j.addbeh.2015.11.007
69. Paus T, Keshavan M, Giedd JN. Perché molti disturbi psichiatrici emergono durante l'adolescenza? Nat Rev Neurosci. (2008) 9: 947-57. doi: 10.1038 / nrn2513
70. Kardefelt-Winther D, Heeren A, Schimmenti A, Rooij A, Maurage P, Carras M, et al. Come possiamo concettualizzare la dipendenza comportamentale senza patologizzare comportamenti comuni? Dipendenza (2017) 112: 1709-15. doi: 10.1111 / add.13763
Parole chiave: amigdala, depressione, fMRI, disturbo del gioco su Internet, connettività funzionale a riposo, corteccia cingolata anteriore sottogengivale
Citazione: Liu L, Yao YW, Li CR, Zhang JT, Xia CC, Lan J, Ma SS, Zhou N e Fang XY (2018) La comorbilità tra il disturbo e la depressione dei giochi su Internet: meccanismi di interconnessione e neurali. Davanti. Psichiatria 9: 154. doi: 10.3389 / fpsyt.2018.00154
Ricevuto: 26 gennaio 2018; Accettato: 04 April 2018;
Pubblicato: 23 April 2018.
A cura di:
Yasser Khazaal, Université de Genève, Svizzera
Recensito da:
Qinghua He, Università del sud-ovest, Cina
Aviv M. Weinstein, Università di Ariel, Israele
Copyright © 2018 Liu, Yao, Li, Zhang, Xia, Lan, Ma, Zhou e Fang. Questo è un articolo ad accesso libero distribuito secondo i termini del Licenza Creative Commons Attribution (CC BY). L'uso, la distribuzione o la riproduzione in altri forum è consentito, a condizione che l'autore / i originale / i e il proprietario del copyright siano accreditati e che la pubblicazione originale in questo giornale sia citata, in conformità con la pratica accademica accettata. È vietato l'uso, la distribuzione o la riproduzione che non siano conformi a questi termini.
* Corrispondenza: Jin-Tao Zhang, [email protected]
Xiao-Yi Fang, [email protected]
†Questi autori hanno contribuito ugualmente a questo lavoro.
;