Riduzione della modulazione del livello di rischio sull'attivazione del cervello durante il processo decisionale negli adolescenti con disturbo del gioco su Internet (2015)

Front Behav Neurosci. 2015; 9: 296.

Pubblicato online 2015 Nov 3. doi:  10.3389 / fnbeh.2015.00296

PMCID: PMC4630310

 

Astratto

Maggiore impulso e assunzione di rischi e ridotta capacità decisionale sono stati segnalati come i principali disturbi comportamentali negli individui con disturbo del gioco su Internet (IGD), che è diventato un serio problema di salute mentale in tutto il mondo. Tuttavia, non è chiaro fino ad oggi come il livello di rischio modula l'attività cerebrale durante il processo decisionale in individui IGD. In questo studio, 23 adolescenti con IGD e 24 sani controlli (HCs) senza IGD sono stati reclutati, e il compito di rischio analogico del palloncino (BART) è stato utilizzato in un esperimento di risonanza magnetica funzionale per valutare la modulazione del livello di rischio (la probabilità di esplosione di palloncino) sull'attività cerebrale durante il processo decisionale rischioso negli adolescenti con IGD. La riduzione della modulazione del livello di rischio sull'attivazione della corteccia prefrontale dorsolaterale destra (DLPFC) durante la BART attiva è stata trovata nel gruppo IGD rispetto alle HC. Nel gruppo IGD, c'è stata una significativa correlazione negativa tra l'attivazione del DLPFC legata al rischio durante il BART attivo e i punteggi della scala di impulsività di Barratt (BIS-11), che erano significativamente più alti nel gruppo IGD rispetto agli HC. Il nostro studio ha dimostrato che, come regione critica del cervello legata al processo decisionale, la DLPFC corretta è meno sensibile al rischio negli adolescenti con IGD rispetto agli HC, che possono contribuire al più alto livello di impulsività negli adolescenti con IGD.

parole chiave: disordine di gioco del Internet, BART, corteccia prefrontale laterale dorsale, fMRI, processo decisionale rischioso

Introduzione

Il disordine dei giochi su Internet è diventato sempre più diffuso in tutto il mondo, specialmente in Asia (; ), e si traduce in un impatto negativo su vari aspetti comportamentali e psicosociali (). La ricerca comportamentale ha suggerito che una ridotta capacità di prendere decisioni rischiose è una delle più importanti menomazioni comportamentali negli individui affetti da IGD (; ). Ad esempio, i ricercatori hanno scoperto che gli individui IGD facevano scelte più svantaggiose sul Game of Dice Task rispetto agli HC e che tali disabilità possono essere in parte il risultato del mancato utilizzo del feedback (; ). Inoltre, gli studi hanno rivelato che i soggetti con IGD mostrano una minore considerazione dei risultati esperienziali quando prendono decisioni future (). Il processo decisionale rischioso è una funzione cognitiva di alto livello ed è essenziale per la sopravvivenza umana in un ambiente incerto (). L'avversione al rischio è una parte essenziale del processo decisionale in una popolazione normale (). Tuttavia, gli individui con IGD tendono ad esibire decisioni decisionali svantaggiose e ad affrontare situazioni più avverse (), che può comportare un effetto negativo sugli individui e sulla società IGD. Pertanto, è importante indagare i meccanismi neurali alla base del processo decisionale alterato nei soggetti con IGD.

I circuiti neuronali correlati a decisioni a rischio sono stati esaminati selvaggiamente in soggetti sani e una rete distribuita sottocorticale-corticale costituita principalmente da regioni prefrontali, parietali, limbiche e sottocorticali è stata trovata coinvolta in decisioni a rischio (; ; ; ; ) e si è riscontrato che i livelli di attivazione cerebrale in queste regioni sono associati al livello di rischio (; ; ; ; ). Tuttavia, pochi studi di neuroimaging si sono concentrati sull'effetto di IGD sui substrati neurali per decisioni a rischio. Uno studio fMRI di ha scoperto che gli individui con disturbo da dipendenza da Internet richiedevano più risorse cerebrali per completare il compito decisionale e ignoravano il feedback dei risultati precedenti, che è una caratteristica essenziale del processo decisionale rischioso nelle HC. Uno studio di ha rivelato che i livelli di attivazione del giro frontale inferiore sinistro e del giro precentrale sinistro diminuivano negli individui IGD quando eseguivano un compito di sconto di probabilità, che suggeriva una valutazione del rischio compromessa in individui IGD. Sebbene questi studi abbiano suggerito che l'IGD è associato ad attività cerebrale anormale durante processi decisionali rischiosi, il modo in cui il livello di rischio modula l'attivazione cerebrale durante il processo decisionale è ancora scarsamente compreso negli individui affetti da IGD. A nostra conoscenza, finora nessuno studio si è concentrato sulla covarianza tra attivazione cerebrale e livelli di rischio durante il processo decisionale in individui con IGD, il che può far avanzare la comprensione attuale dei meccanismi alla base dei deficit decisionali negli individui con IGD.

In questo studio sono stati arruolati 23 IGD adolescenti e 24 HC e sono stati ottenuti dati fMRI mentre i partecipanti hanno eseguito il BART () per valutare come il livello di rischio modula l'attivazione cerebrale durante i processi decisionali negli adolescenti IGD rispetto agli HC. Il BART, nel quale i partecipanti gonfiano il palloncino virtuale che può ingrandirsi o esplodere, fornisce un modello ecologicamente valido per valutare la propensione e il comportamento di assunzione di rischi umani e fornisce ai partecipanti una scelta nella determinazione del livello di rischio per ciascun pallone; più il pallone è gonfiato, maggiore è il rischio che i partecipanti stiano prendendo. A differenza di altri compiti di rischio, il rischio nella BART è stato definito più direttamente ed ecologicamente come la probabilità di esplosione per ciascun pallone; quindi, il BART è adattivo in termini di valutazione della modulazione del livello di rischio sull'attivazione del cervello durante il processo decisionale. Il BART è stato utilizzato con successo in volontari sani e sono state dimostrate molteplici correlazioni del cervello al rischio, tra cui la DLPFC, la corteccia prefrontale ventromediale, la corteccia frontale ACC / mediale, lo striato e l'insula (; ; ; ). Il BART è stato utilizzato anche in studi di dipendenza e l'attivazione anormale del cervello è stata rilevata nella DLPFC e nello striato di individui dipendenti da metanfetamina (), e nella corteccia prefrontale e ACC degli individui che dipendono dall'alcol (; ). Come una dipendenza comportamentale speciale (; ), L'IGD può anche influenzare l'attività nelle regioni del cervello correlate al rischio. Pertanto, in questo studio, abbiamo utilizzato fMRI con BART per verificare se la modulazione del livello di rischio sull'attivazione cerebrale durante il processo decisionale è alterata negli adolescenti IGD rispetto a HC. Questo studio contribuirà alla comprensione dei meccanismi neuro dei comportamenti di assunzione di rischi e impulsivi negli adolescenti con IGD.

Materiali e Metodi

Selezione dei partecipanti

Perché gli standard diagnostici per IGD sono ancora ambigui (; ), sono stati selezionati criteri di inclusione relativamente rigidi in questo studio. In primo luogo, il YDQ per la dipendenza da Internet () è stato utilizzato per determinare la presenza di un disturbo da dipendenza da internet. YDQ consisteva in otto domande "sì" o "no" relative all'uso di Internet. Ai partecipanti che hanno segnalato cinque o più risposte "sì" è stato diagnosticato un disturbo da dipendenza da Internet (). Un punteggio di 50 o superiore su IAT () è stato utilizzato come secondo criterio di inclusione. Inoltre, sono stati reclutati solo gli adolescenti IGD che hanno dichiarato di trascorrere una media di quattro o più ore al giorno giocando a giochi su Internet (> 80% del tempo totale online). Secondo questi criteri di inclusione, in questo studio sono stati reclutati 26 adolescenti IGD maschi destrimani. Solo i soggetti di sesso maschile sono stati esaminati a causa del numero relativamente ridotto di donne con esperienza di gioco in Internet. Venticinque partecipanti maschi sono stati reclutati come HC. Gli HC sono stati definiti come soggetti che non soddisfacevano i criteri per una diagnosi YDQ, trascorrono meno di 2 ore al giorno su Internet e il cui punteggio IAT era inferiore a 50. Tutti i partecipanti erano liberi da farmaci e non hanno riportato alcuna storia di abuso di sostanze o ferite alla testa. L'impulsività è stata valutata per tutti i partecipanti con il BIS-11 (). Il QI di tutti i partecipanti è stato testato usando SPM. I dati di tre di 26 IGD adolescenti e uno di 25 HCs sono stati scartati da questo studio a causa di un evidente movimento della testa durante l'esperimento con fMRI (lo spostamento massimo in qualsiasi direzione cardinale è maggiore di 2 mm e / o la rotazione massima è superiore a 2 °) . I dati per i rimanenti adolescenti 23 IGD e 24 HC sono stati utilizzati per ulteriori analisi. L'età, l'istruzione e il QI sono stati eguagliati tra i due gruppi, ei punteggi BIS ei punteggi IAT erano significativamente più alti nel gruppo IGD rispetto agli HC (Table Table11).

Tabella 1 

Caratteristiche demografiche e cliniche dei soggetti (media ± DS).

Questo studio è stato approvato dal Comitato Etico dell'Ospedale Generale dell'Università di Medicina di Tianjin e il consenso informato scritto è stato ottenuto da ciascun soggetto.

Compito e procedura

Nel presente studio, abbiamo adattato la versione adattata fMRI del BART utilizzato da . In breve, ai partecipanti è stato presentato un palloncino virtuale e chiesto di premere uno dei due pulsanti per gonfiare (pompare) il pallone o incassare. I palloncini più grandi erano associati a maggiori ricompense ea un maggiore rischio di esplosione. I partecipanti potrebbero smettere di gonfiare il pallone in qualsiasi momento per vincere la scommessa o continuare l'inflazione fino a quando il pallone esplode, nel qual caso perdono la scommessa. Il numero massimo di pompe che i partecipanti potevano utilizzare per ciascun fumetto era 12. Un indicatore di controllo (il colore di un piccolo cerchio cambiato da rosso a verde) è stato utilizzato per istruire i partecipanti a iniziare l'inflazione. Dopo che i partecipanti hanno premuto con successo un pulsante e pompato il palloncino, il piccolo cerchio si è immediatamente trasformato in rosso in un intervallo casuale compreso tra 1.5 e 2.5 s. La stecca poi è tornata verde per indicare il prossimo periodo di inflazione. Dopo la fine di ogni prova con palloncino, c'era anche un intervallo variabile di 2-4 prima della prova successiva del pallone. L'immagine vincente o meno è stata presentata per 1.5 s. L'immagine del palloncino esploso è stata presentata per 20 ms. Il rischio di esplosione di pallone (la probabilità di esplosione di pallone) è stato definito come il "livello di rischio". La covarianza tra il livello di rischio e l'attivazione delle regioni del cervello è stata definita come la "modulazione".

Nel nostro studio abbiamo utilizzato due modalità di BART: scelta attiva e modalità passiva di non scelta. Nella modalità scelta attiva, i partecipanti potevano determinare il livello di rischio e decidere se gonfiare il pallone o incassare. Tuttavia, nella modalità passiva di non scelta, i partecipanti hanno semplicemente gonfiato il pallone continuamente mentre il computer determinava il punto finale e la vittoria o la perdita per ogni pallone. Il numero di palloncini che i partecipanti hanno completato durante la scansione non era predeterminato, ma dipendeva dalla velocità di risposta in modalità attiva o passiva. L'unica differenza tra le due modalità è l'opzione nella modalità attiva per interrompere l'inflazione e vincere la scommessa. I livelli di attivazione cerebrale della modalità scelta attiva rispetto alla modalità passiva di non scelta (attivo-passivo) riflettono le basi neurali del processo decisionale. Dopo l'esperimento, i partecipanti hanno ricevuto l'equivalente quantità di denaro guadagnato durante l'esperimento in modalità attiva.

Acquisizione Dati

La risonanza magnetica funzionale è stata eseguita su uno scanner Siemens 3.0T (Magnetom Verio, Siemens, Erlangen, Germania) utilizzando una sequenza di immagini planari eco-gradient con richiamo con i seguenti parametri: tempo di ripetizione (TR) = 2000 ms, tempo di eco (TE) = 30 ms, campo visivo = 220 mm × 220 mm, matrice = 64 × 64, spessore sezione = 4 mm e distanza tra gli strati = 1 mm. Gli stimoli del compito sono stati proiettati su uno schermo di visualizzazione davanti al foro del magnete ei partecipanti hanno visto gli stimoli attraverso uno specchio installato sulla bobina frontale. I partecipanti hanno risposto all'attività premendo il pulsante sulla casella di risposta compatibile con fMRI. L'esperimento formale è stato eseguito dopo che i partecipanti hanno appreso e praticato i compiti. Tutti i partecipanti hanno completato due run funzionali min 10, uno per ogni modalità di attività. L'ordine di scansione dei due compiti è stato controbilanciato tra i partecipanti all'interno di ciascun gruppo.

Analisi comportamentale

Nell'esperimento fMRI, le variabili comportamentali del BART includevano il numero di prova, il numero totale e il numero medio di pompe, il numero di vittorie e perdite, il numero corretto di pompe (definito come il numero medio di pompe escluse le bolle esplose), la ricompensa tasso di raccolta (il numero di prove di vincita diviso per il numero di prove totali) e RT medio per tutte le pompe. Sono stati analizzati solo i dati comportamentali durante la modalità attiva perché i partecipanti sono stati costretti ad accettare l'esito determinato dal computer per ciascun pallone durante la modalità passiva. Un doppio campione t-test è stato utilizzato per confrontare la differenza nei dati comportamentali durante la modalità attiva tra gli individui IGD e gli HC. Le analisi statistiche sono state condotte con SPSS 21.0 e il livello di significatività è stato fissato a P <0.05.

Pre-elaborazione dei dati RM funzionale

La pre-elaborazione dei dati dell'MRI funzionale è stata condotta usando SPM8 (http://www.fil.ion.ucl.ac.uk/spm/software/spm8). Per ogni partecipante, le immagini funzionali sono state corrette per il ritardo temporale di acquisizione tra le diverse sezioni e gli spostamenti geometrici corretti in base al movimento stimato della testa. Le immagini sono state poi riallineate con il primo volume. Sulla base delle stime di correzione del movimento, i partecipanti che hanno dimostrato uno spostamento massimo in una qualsiasi delle direzioni x, yo z maggiore di 2-mm o maggiore di 2 ° di rotazione angolare (x, y o z) sono stati esclusi da questo studio . A seguito di questo passaggio, tutte le immagini riallineate sono state normalizzate nello spazio per il modello MNI EPI, ricampionate su 3 mm × 3 mm × 3 mm e successivamente levigate con un FNHX 6 mm.

Analisi statistica

Il GLM è stato utilizzato per l'analisi dei dati individuali basata su voxel. I dati delle serie temporali BOLD sono stati modellati utilizzando un HRF standard con una derivata temporale. I parametri di movimento della testa di ogni soggetto sono stati modellati come covariate senza interesse. Un filtro passa-alto con un cut-off su 128 s è stato usato per rimuovere le fluttuazioni a bassa frequenza.

Il GLM includeva tre tipi di eventi derivanti da una pressione di un pulsante: un gonfiaggio del pallone, un risultato di vincita o un risultato di perdita. Pertanto, il GLM per attività attive o passive includeva tre regressori che rappresentano rispettivamente tre tipi di eventi. Il livello di rischio associato a ciascun inflazione (cioè la probabilità di esplosione, ortogonalizzata da una correzione centrale media) è stato inserito nel modello come una modulazione parametrica lineare del regressore di inflazione del palloncino. Per ogni soggetto, il contrasto relativo al rischio nelle attività attive e passive è stato definito per esaminare le attivazioni cerebrali che hanno coinvolto il livello di rischio.

Le analisi a effetti casuali di secondo livello sono state condotte utilizzando un 2 (gruppo: IGD e HC) × 2 (modalità scelta: attiva e passiva) ANOVA sui contrasti correlati al rischio con fattoriale completo in SPM8 e i contrasti correlati al rischio nel modalità attive e passive all'interno dello stesso partecipante sono state elaborate come misure ripetute. In questo studio, lo scopo principale era valutare la differenza intergruppi dell'attivazione cerebrale correlata al rischio durante il processo decisionale, che può essere riflessa dall'attivazione osservata nella modalità attiva rispetto alla modalità passiva (attivo-passivo). Pertanto, l'effetto interattivo tra il gruppo e la modalità scelta, HCs (attivo-passivo) - IGD (attivo-passivo), è stato analizzato in questo studio. Una correzione per confronti multipli è stata eseguita utilizzando la simulazione Monte Carlo, risultante in una soglia corretta di P <0.05 (programma AlphaSim, parametri inclusi: voxel singolo P = Simulazioni 0.005, 1000, larghezza massima a metà massimo = 6 mm, raggio di connessione del cluster r = 5 mm e la maschera della materia grigia globale). Le regioni del cervello con effetti interattivi sono state stabilite come ROI. Le stime β medie all'interno delle ROI sono state estratte e a post hoc t-test è stato condotto.

La correlazione tra le stime medie di β all'interno di ROI, punteggi BIS e punteggi IAT è stata esaminata con l'analisi di correlazione di Pearson nel gruppo IGD con SPSS 21.0. Il livello di significatività era fissato a P <0.05.

Risultati

Risultati comportamentali

Table Table22 mostra i risultati comportamentali durante l'esperimento fMRI. Il due campioni t-test ha rivelato che la media RT era più breve nel gruppo IGD rispetto agli HCs mentre era attiva la modalità attiva (P = 0.03), il numero delle pompe totali era significativamente maggiore nel gruppo IGD (P <0.001). Non c'era alcuna differenza significativa nel numero corretto di pompe, numero di prove, numero medio di pompe, numero di vittorie e perdite e tasso di raccolta della ricompensa.

Tabella 2 

I risultati comportamentali del BART durante l'esperimento di risonanza magnetica funzionale funzionale (fMRI) (media ± DS).

Risultati dell'immagine

Un 2 (gruppo: IGD e HC) × 2 (modalità scelta: attiva e passiva) ANOVA sui contrasti legati al rischio ha rivelato un significativo effetto interattivo sull'attivazione del giusto DLPFC (coordinata MNI: 24, 54, 12; voxel: 38; t = 3.78; P <0.05, correzione AlphaSim; figura Figure1A1A). Il post hoc t-test ha rivelato che la modulazione del livello di rischio sull'attivazione della DLPFC destra era maggiore nella modalità attiva rispetto alla modalità passiva negli HC, ma non mostrava alcuna differenza significativa tra le modalità attiva e passiva nel gruppo IGD. Durante la modalità attiva, la modulazione del livello di rischio sull'attivazione della DLPFC corretta è diminuita significativamente nel gruppo IGD rispetto alle HC (figura Figure1B1B). Inoltre, è stato trovato un significativo effetto interattivo per l'attivazione del cervelletto di sinistra (coordinata MNI: -9, -78, -21; voxels: 72; t = 4.13; P <0.05, correzione AlphaSim; figura Figure2A2A). Il post hoc t-test ha rivelato che la differenza nella modulazione del livello di rischio sull'attivazione del cervelletto di sinistra tra le modalità e tra i gruppi aveva caratteristiche simili a quelle viste nella destra DLPFC (figura Figure2B2B).

FIGURA 1 

La differenza intergruppo nella modulazione dal livello di rischio sull'attivazione cerebrale della corteccia prefrontale destra dorsolaterale (DLPFC). (UN) La modulazione del livello di rischio sull'attivazione cerebrale del DLPFC corretto mostra la differenza tra i gruppi. (B) ...
FIGURA 2 

La differenza intergruppo nella modulazione dal livello di rischio sull'attivazione cerebrale del cervelletto di sinistra. (UN) La modulazione del livello di rischio sull'attivazione cerebrale del cervelletto di sinistra mostra differenze tra i gruppi. (B) L'analisi del ROI lo dimostra ...

La modulazione del livello di rischio sull'attivazione della DLPFC corretta durante la modalità attiva ha mostrato una correlazione significativamente negativa con i punteggi totali BIS nel gruppo IGD (figura Figure33). Non c'era alcuna correlazione significativa tra l'attivazione dei punteggi DLPFC e IAT giusti nel gruppo IGD. Inoltre, nessuna correlazione significativa è stata trovata tra i risultati fMRI e i dati comportamentali durante il processo decisionale.

FIGURA 3 

Correlazione tra le stime β all'interno della ROI dei punteggi totali DLPFC e Barratt impulsività (BIS) nel gruppo IGD di destra.

Discussione

A nostra conoscenza, questo è il primo studio per valutare la modulazione del livello di rischio sull'attivazione del cervello durante il processo decisionale negli adolescenti IGD utilizzando una fMRI BART. Le diminuite attivazioni correlate al rischio della DLPFC corretta durante il processo decisionale attivo sono state riscontrate nel gruppo IGD rispetto alle HC, il che suggeriva che l'attivazione della DLPFC corretta era meno sensibile al livello di rischio nel gruppo IGD rispetto alle HC. La modulazione del rischio sull'attivazione della DLPFC corretta durante il processo decisionale attivo è stata negativamente correlata al punteggio BIS nel gruppo IGD. Questi risultati possono contribuire alla comprensione dei meccanismi neurali di maggiore impulsività negli adolescenti IGD.

Le decisioni rischiose attingono probabilmente a diversi processi cerebrali coinvolti nelle stime di valore e rischio, controllo esecutivo e elaborazione emotiva (). Il DLPFC è una regione critica del cervello coinvolta nel controllo esecutivo (; ) che regola il comportamento orientato agli obiettivi, flessibile ed efficace e può mediare il processo decisionale con un rischio esplicito (; ). La struttura e la funzione alterate della DLPFC sono state dimostrate in individui IGD (; ; ), che erano coerenti con i risultati degli studi sulla tossicodipendenza (; ) e dipendenza comportamentale (). Durante il processo decisionale, l'attività della DLPFC può mediare l'integrazione delle informazioni su rischio e valore (), rappresentare le prospettive, valutare i risultati e calcolare l'utilità successiva (). Gli adolescenti con IGD di solito presentavano una ridotta capacità di controllo esecutivo (; ); pertanto, è plausibile postulare che la ridotta attivazione correlata al rischio della DLPFC corretta durante il processo decisionale rischioso negli adolescenti con IGD possa riflettere la compromissione della funzione di controllo esecutivo che ha mediato le scelte avverse durante situazioni rischiose. In questo studio, la DLPFC corretta ma non a sinistra ha mostrato una riduzione dell'attivazione correlata al rischio negli adolescenti con IGD rispetto agli HC. Questa lateralità dell'attività DLPFC destra opposta a quella sinistra che mediava il processo decisionale rischioso è stata riportata anche in altri studi sulla fMRI della BART (; ; ; ) e gli studi di stimolazione transcranica in corrente continua (). Inoltre, questa lateralità dell'attivazione ridotta nella DLPFC corretta è stata riscontrata anche in soggetti tossicodipendenti quando eseguivano una serie di compiti decisionali rischiosi (; ; ). Presi insieme, questi risultati hanno implicato che la DLPFC corretta era una regione chiave per decisioni a rischio, e il possibile meccanismo neurale alla base dell'alterazione dell'attivazione della DLPFC negli adolescenti IGD potrebbe essere simile a quello negli individui con problemi di abuso di sostanze.

Recentemente, l'IGD è stato concepito come una dipendenza comportamentale o un disturbo del controllo degli impulsi (; ), e può essere associato a compromissione della funzione di inibizione (; ), che è simile a quello nell'altra dipendenza comportamentale (), come il gioco d'azzardo patologico (; ). Una revisione ha suggerito che l'inibizione impulsiva è una parte della funzione decisionale () e la ricerca ha dimostrato con successo che la DLPFC ha un ruolo importante nel processo di inibizione impulsiva (; ; ,; ). Nel presente studio, i punteggi più alti di BIS-11 negli individui con IGD rispetto agli HC hanno implicato una maggiore impulsività negli adolescenti con IGD, che era coerente con i risultati di altri studi sul controllo impulsivo negli individui con IGD (; ; ). Pertanto, la riduzione della modulazione del livello di rischio sull'attivazione della DLPFC corretta negli adolescenti con IGD nel nostro studio può essere associata a compromissione impulsiva di inibizione. Inoltre, è stata trovata una significativa correlazione negativa tra la riduzione della modulazione del livello di rischio sull'attivazione della DLPFC corretta durante la scelta attiva e il punteggio BIS-11 negli adolescenti IGD, il che significa che gli adolescenti IGD con maggiore impulsività hanno mostrato una modulazione inferiore di il livello di rischio all'attivazione della DLPFC corretta durante il processo decisionale. L'attivazione DLPFC corretta era meno sensibile al rischio durante il processo decisionale negli adolescenti IGD con maggiore propensione impulsiva. La riduzione della modulazione del livello di rischio sull'attivazione della DLPFC corretta negli adolescenti IGD può mediare la loro ignoranza del rischio.

Il nostro studio ha rilevato che, oltre alla corretta DLPFC, anche la modulazione del livello di rischio sull'attivazione del cervelletto sinistro è diminuita durante il processo decisionale attivo nel gruppo IGD. Sebbene alterazioni nell'attivazione del cervelletto siano state riportate in precedenti studi con risonanza magnetica funzionale con BART (; ,; ) e altri compiti che hanno coinvolto i processi decisionali (; ), il meccanismo neurale non è stato chiaramente determinato. Studi precedenti hanno scoperto che il cervelletto è un componente critico nei problemi di dipendenza (; ), e il volume di materia grigia del cervelletto, in particolare del cervelletto di sinistra, ridotto in soggetti con disturbo della sostanza (). Inoltre, il volume ridotto di materia grigia () e la maggiore omogeneità regionale () nel cervelletto di sinistra è stato riportato anche negli individui con IGD. Pertanto, vale la pena eseguire ulteriori studi coinvolti nell'associazione tra l'attività del cervelletto e il processo decisionale rischioso in individui IGD.

Diverse limitazioni dovrebbero essere considerate nel presente studio. Innanzitutto, la dimensione del campione era relativamente piccola, il che può ridurre la potenza e non riuscire a rilevare alcune attivazioni cerebrali con una leggera rilevanza. In secondo luogo, il numero massimo di pompe di palloncino possibili in questo task BART modificato è stato ridotto a 12 e la maggior parte dei partecipanti ha completato solo le prove con palloncino 30 durante il min di 10 della scansione BOLD. Pertanto, le limitazioni inerenti a questo disegno sperimentale possono aver diminuito la sensibilità di rilevare le differenze intergruppi nella prestazione comportamentale (). Infine, la relazione causale tra l'attivazione cerebrale alterata e IGD non può essere determinata con questo studio cross-sectional. Uno studio longitudinale può essere utile per valutare questa relazione.

Conclusione

Si ritiene che questo sia il primo studio per testare la modulazione del livello di rischio sull'attivazione del cervello durante il processo decisionale con il BART negli adolescenti IGD. Il nostro studio ha dimostrato che la modulazione del livello di rischio sull'attivazione della DLPFC corretta è diminuita negli adolescenti con IGD e la ridotta attivazione correlata al rischio della DLPFC corretta è stata negativamente correlata con i punteggi BIS. I nostri risultati suggeriscono che, in quanto regione critica del cervello correlata al processo decisionale, la DLPFC corretta è meno sensibile al livello di rischio negli adolescenti con IGD rispetto agli HC, che può contribuire all'impulsività più elevata negli adolescenti IGD.

Contributi degli autori

XQ, YY, XL e QZ hanno progettato la ricerca; XQ, XD, PG, YZ, GD e QZ hanno svolto ricerche; YY, PG è stato coinvolto nella valutazione clinica; Dati analizzati XQ, YZ, GD, WQ e QZ; XQ, YZ, XL, YY e QZ hanno scritto il documento.

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.

ABBREVIAZIONI

ACCcingolato anteriore
BARTattività di rischio analogico con palloncino
BIS-11Barratt impulsivity scale
DLPFCcorteccia prefrontale dorsolaterale
fMRIrisonanza magnetica funzionale
FWHMa tutta larghezza a metà del massimo
GLMmodello lineare generale
HCcontrolli sani
HRFfunzione di risposta emodinamica
IATTest di dipendenza da Internet online di Young
IG Ddisordine di gioco di Internet
IQQuoziente intellettivo
MNIIstituto neurologico di Montreal
ROIRegione di interesse
RTtempo di risposta
SPMProgressiveMatrices di Raven standard
SPM8Software di mappatura parametrica statistica
YDQGiovane questionario diagnostico
 

Riferimenti

  • Asahi S., Okamoto Y., Okada G., Yamawaki S., Yokota N. (2004). Correlazione negativa tra l'attività prefrontale destra durante l'inibizione della risposta e l'impulsività: uno studio fMRI. Euro. Arco. Clinica psichiatrica Neurosci. 254 245–251. 10.1007/s00406-004-0488-z [PubMed] [Croce Ref]
  • Bari A., Robbins TW (2013). Inibizione e impulsività: base comportamentale e neurale del controllo della risposta. Prog. Neurobiol. 108 44-79. 10.1016 / j.pneurobio.2013.06.005 [PubMed] [Croce Ref]
  • Blaszczynski A. (2008). Commento: una risposta ai "problemi con il concetto di dipendenza da videogioco": alcuni esempi di casi studio. Int. J. Addict per la salute mentale. 6 179–181. 10.1007/s11469-007-9132-2 [Croce Ref]
  • Bogg T., Fukunaga R., Finn PR, Brown JW (2012). Il controllo cognitivo collega l'uso di alcol, la disinibizione dei tratti e la ridotta capacità cognitiva: evidenza della disregolazione della corteccia prefrontale mediale durante il comportamento di ricerca della ricompensa. Dipendenza da alcol della droga. 122 112-118. 10.1016 / j.drugalcdep.2011.09.018 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Bolla KI, Eldreth DA, Matochik JA, Cadetto JL (2005). Substrati neurali di decisioni sbagliate in consumatori di marijuana astinenti. Neuroimage 26 480-492. 10.1016 / j.neuroimage.2005.02.012 [PubMed] [Croce Ref]
  • Marchio M., Labudda K., Markowitsch HJ (2006). Correlati neuropsicologici del processo decisionale in situazioni ambigue e rischiose. Neural Netw. 19 1266-1276. 10.1016 / j.neunet.2006.03.001 [PubMed] [Croce Ref]
  • Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E., et al. (2013). L'associazione tra l'uso patologico di Internet e la psicopatologia comorbida: una revisione sistematica. psicopatologia 46 1-13. 10.1159 / 000337971 [PubMed] [Croce Ref]
  • Claus ED, Hutchison KE (2012). Meccanismi neurali di assunzione del rischio e relazioni con l'assunzione di bevande pericolose. Alcol. Clin. Exp. Res. 36 932-940. 10.1111 / j.1530-0277.2011.01694.x [PubMed] [Croce Ref]
  • Crockford DN, Goodyear B., Edwards J., Quickfall J., El-Guebaly N. (2005). Attività cerebrale indotta da indizi nei giocatori patologici. Biol. Psichiatria 58 787-795. 10.1016 / j.biopsych.2005.04.037 [PubMed] [Croce Ref]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). Trait impulsività e compromissione della funzione di inibizione degli impulsi prefrontali negli adolescenti con dipendenza da gioco su internet rivelata da uno studio fMRI Go / No-Go. Behav. Cervello Funziona. 10:20 10.1186/1744-9081-10-20 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Dong G., Hu Y., Lin X., Lu Q. (2013). Cosa rende i tossicodipendenti di Internet continuano a giocare online anche se affrontati da gravi conseguenze negative? Possibili spiegazioni da uno studio fMRI. Biol. Psychol. 94 282-289. 10.1016 / j.biopsycho.2013.07.009 [PubMed] [Croce Ref]
  • Dong G., Huang J., Du X. (2012). Alterazioni nell'omogeneità regionale dell'attività cerebrale di riposo statistico nei tossicodipendenti di giochi su Internet. Behav. Cervello Funziona. 8:41 10.1186/1744-9081-8-41 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Dong G., Lin X., Hu Y., Xie C., Du X. (2015). Il collegamento funzionale squilibrato tra la rete di controllo esecutivo e la rete di ricompensa spiega i comportamenti di ricerca del gioco online nel disordine del gioco su Internet. Sci. Rappresentante. 5: 9197 10.1038 / srep09197 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Dong G., Potenza MN (2014). Un modello cognitivo-comportamentale del disturbo del gioco su Internet: basi teoriche e implicazioni cliniche. J. Psychiatr. Res. 58 7-11. 10.1016 / j.jpsychires.2014.07.005 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Ernst M., Paulus MP (2005). Neurobiologia del processo decisionale: una revisione selettiva dal punto di vista neurocognitivo e clinico. Biol. Psichiatria 58 597-604. 10.1016 / j.biopsych.2005.06.004 [PubMed] [Croce Ref]
  • Ersche KD, Fletcher PC, Lewis SJ, Clark L., Stocks-Gee G., London M., et al. (2005). Attivazioni frontali anormali legate al processo decisionale in individui attuali ed ex anfetamina e dipendenti da oppiacei. Psicofarmacologia (Berl.) 180 612–623. 10.1007/s00213-005-2205-7 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Gabay AS, Radua J., Kempton MJ, Mehta MA (2014). Il gioco dell'ultimatum e il cervello: una meta-analisi di studi di neuroimaging. Neurosci. Biobehav. Rev. 47 549-558. 10.1016 / j.neubiorev.2014.10.014 [PubMed] [Croce Ref]
  • Galván A., Schonberg T., Mumford J., Kohno M., Poldrack RA, Londra ED (2013). Maggiore sensibilità al rischio della corteccia prefrontale dorsolaterale nei giovani fumatori rispetto ai non fumatori. Psicofarmacologia (Berl.) 229 345–355. 10.1007/s00213-013-3113-x [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Garavan H., Hester R., Murphy K., Fassbender C., Kelly C. (2006). Differenze individuali nella neuroanatomia funzionale del controllo inibitorio. Cervello. 1105 130-142. 10.1016 / j.brainres.2006.03.029 [PubMed] [Croce Ref]
  • Gorini A., Lucchiari C., Russell-Edu W., Pravettoni G. (2014). Modulazione delle scelte rischiose negli utilizzatori di cocaina dipendenti da astinenza recente: uno studio di stimolazione transcranica in corrente continua. Davanti. Ronzio. Neurosci. 8: 661 10.3389 / fnhum.2014.00661 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Gowin JL, Mackey S., Paulus MP (2013). Elaborazione del rischio alterata negli utilizzatori di sostanze: squilibrio di dolore e guadagno. Dipendenza da alcol della droga. 132 13-21. 10.1016 / j.drugalcdep.2013.03.019 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Grant JE, Potenza MN, Weinstein A., Gorelick DA (2010). Introduzione alle dipendenze comportamentali. Am. J. Abuso di droghe alcoliche 36 233-241. 10.3109 / 00952990.2010.491884 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Griffiths MD (2008). Dipendenza da videogame: ulteriori pensieri e osservazioni. Int. J. Addict per la salute mentale. 6 182–185. 10.1007/s11469-007-9128-y [Croce Ref]
  • Hastie R. (2001). Problemi di giudizio e processo decisionale. Annu. Rev. Psychol. 52 653-683. 10.1146 / annurev.psych.52.1.653 [PubMed] [Croce Ref]
  • Helfinstein SM, Schonberg T., Congdon E., Karlsgodt KH, Mumford JA, Sabb FW, et al. (2014). Prevedere scelte rischiose da schemi di attività cerebrale. Proc. Natl. Acad Sci. Stati Uniti d'America 111 2470-2475. 10.1073 / pnas.1321728111 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Karim R., Chaudhri P. (2012). Dipendenze comportamentali: una panoramica. J. Farmaci psicoattivi 44 5-17. 10.1080 / 02791072.2012.662859 [PubMed] [Croce Ref]
  • Ko CH, Hsiao S., Liu GC, Yen JY, Yang MJ, Yen CF (2010). Le caratteristiche del processo decisionale, il potenziale per assumere rischi e la personalità degli studenti universitari con la dipendenza da Internet. Resistenza psichiatrica 175 121-125. 10.1016 / j.psychres.2008.10.004 [PubMed] [Croce Ref]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014). Attivazione cerebrale modificata durante l'inibizione della risposta e l'elaborazione dell'errore in soggetti con disturbo del gioco su Internet: uno studio di imaging magnetico funzionale. Euro. Arco. Clinica psichiatrica Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Croce Ref]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Correlazioni cerebrali di bramosia per i giochi online sotto l'esposizione di cue in soggetti con dipendenza da giochi su Internet e in soggetti rimessi. Dipendente. Biol. 18 559-569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Croce Ref]
  • Kohno M., Ghahremani DG, Morales AM, Robertson CL, Ishibashi K., Morgan AT, et al. (2015). Comportamento rischioso: recettori dopamina d2 / d3, feedback e attività frontolimbica. Cereb. Corteccia 25 236-245. 10.1093 / cercor / bht218 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Kohno M., Morales AM, Ghahremani DG, Hellemann G., Londra ED (2014). Decisione decisionale rischiosa, corteccia prefrontale e connettività funzionale mesocorticolimbica nella dipendenza da metanfetamina. JAMA Psichiatria 71 812-820. 10.1001 / jamapsychiatry.2014.399 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Krain AL, Wilson AM, Arbuckle R., Castellanos FX, Milham MP (2006). Distinti meccanismi neurali di rischio e ambiguità: una meta-analisi del processo decisionale. Neuroimage 32 477-484. 10.1016 / j.neuroimage.2006.02.047 [PubMed] [Croce Ref]
  • Kräplin A., Dshemuchadse M., Behrendt S., Scherbaum S., Goschke T., Bühringer G. (2014). Decisionale disfunzionale nel gioco d'azzardo patologico: specificità del modello e ruolo dell'impulsività. Resistenza psichiatrica 215 675-682. 10.1016 / j.psychres.2013.12.041 [PubMed] [Croce Ref]
  • Kühn S., Romanowski A., Schilling C., Mobascher A., ​​Warbrick T., Winterer G., et al. (2012). Deficit della materia grigia cerebrale nei fumatori: concentrarsi sul cervelletto. Brain Struct. Funz. 217 517–522. 10.1007/s00429-011-0346-5 [PubMed] [Croce Ref]
  • Kuss DJ (2013). Dipendenza da gioco su Internet: prospettive attuali. Psychol. Res. Behav. Manag. 6 125-137. 10.2147 / PRBM.S39476 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Lejuez CW, leggi JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL, et al. (2002). Valutazione di una misura comportamentale di assunzione del rischio: l'attività di rischio analogico del palloncino (BART). J. Exp. Psychol. Appl. 8 75–84. 10.1037//1076-898X.8.2.75 [PubMed] [Croce Ref]
  • Lin X., Zhou H., Dong G., Du X. (2015). Valutazione del rischio compromessa nelle persone con disabilità di gioco su Internet: prove di risonanza magnetica derivante da un compito di attualizzazione probabilistica. Prog. Neuro-Psychopharmacol. Biol. Psichiatria 56 142-148. 10.1016 / j.pnpbp.2014.08.016 [PubMed] [Croce Ref]
  • Liu GC, Yen JY, Chen CY, Yen CF, Chen CS, Lin WC, et al. (2014). Attivazione del cervello per l'inibizione della risposta durante la distrazione di giochi d'azzardo nel disturbo del gioco su Internet. Kaohsiung J. Med. Sci. 30 43-51. 10.1016 / j.kjms.2013.08.005 [PubMed] [Croce Ref]
  • Macoveanu J., Rowe JB, Hornboll B., Elliott R., Paulson OB, Knudsen GM, et al. (2013). Giocando in sicurezza ma perdendo comunque, la segnalazione serotoninergica di esiti negativi nella corteccia prefrontale dorsomediale nel contesto dell'avversione al rischio. Euro. Neuropsychopharmacol. 23 919-930. 10.1016 / j.euroneuro.2012.09.006 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Metcalf O., Pammer K. (2014). Impulsività e relative caratteristiche neuropsicologiche in giochi sparatutto in prima persona regolari e avvincenti. Cyberpsychol. Behav. Soc. Netw. 17 147-152. 10.1089 / cyber.2013.0024 [PubMed] [Croce Ref]
  • Miedl SF, Peters J., Büchel C. (2012). Rappresentazioni alterate della ricompensa neurale nei giocatori d'azzardo patologici rivelate dal ritardo e dalla probabilità di attualizzazione. Arco. Gen. Psichiatria 69 177-186. 10.1001 / archgenpsychiatry.2011.1552 [PubMed] [Croce Ref]
  • Moeller SJ, Froböse MI, Konova AB, Misyrlis M., Parvaz MA, Goldstein RZ, et al. (2014). Correlazioni neurali comuni e distinte di disregolazione inibitoria: studio di Stroop fMRI sulla dipendenza da cocaina e disturbo esplosivo intermittente. J. Psychiatr. Res. 58 55-62. 10.1016 / j.jpsychires.2014.07.016 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Moreno-López L., Perales JC, Van Son D., Albein-Urios N., Soriano-Mas C., Martinez-Gonzalez JM, et al. (2015). La gravità della cocaina e la materia grigia cerebellare sono associate a deficit nell'apprendimento dell'inversione in soggetti dipendenti dalla cocaina. Dipendente. Biol. 20 546-556. 10.1111 / adb.12143 [PubMed] [Croce Ref]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Il cervelletto e la dipendenza: intuizioni acquisite dalla ricerca di neuroimaging. Dipendente. Biol. 19 317-331. 10.1111 / adb.12101 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R., et al. (2008a). Elaborazione inibitoria somato-motorio nell'uomo: uno studio RM funzionale funzionale correlato all'evento. Neuroimage 39 1858-1866. 10.1016 / j.neuroimage.2007.10.041 [PubMed] [Croce Ref]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R., et al. (2008b). Funzioni esecutive con diverse uscite motorie in compiti somatosensoriali su Go / Nogo: uno studio RM funzionale relativo all'evento. Cervello. Toro. 77 197-205. 10.1016 / j.brainresbull.2008.07.008 [PubMed] [Croce Ref]
  • Patton JH, Stanford MS, Barratt ES (1995). Struttura del fattore della scala di impulsività di Barratt. J. Clin. Psychol. 51 768-774. [PubMed]
  • Pawlikowski M., Brand M. (2011). Eccessivo gioco d'azzardo su internet e processo decisionale: i giocatori di World of Warcraft eccessivi hanno problemi nel prendere decisioni in condizioni rischiose? Resistenza psichiatrica 188 428-433. 10.1016 / j.psychres.2011.05.017 [PubMed] [Croce Ref]
  • Probst CC, van Eimeren T. (2013). Anatomia funzionale dei disturbi del controllo degli impulsi. Curr. Neurol. Neurosci. Rappresentante. 13:386 10.1007/s11910-013-0386-8 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Rao H., Korczykowski M., Pluta J., Hoang A., Detre JA (2008). Correlazioni neurali di assunzione volontaria e involontaria del rischio nel cervello umano: uno studio fMRI del Balloon Analog Risk Task (BART). NeuroImage 42 902-910. 10.1016 / j.neuroimage.2008.05.046 [PubMed] [Croce Ref]
  • Rao H., Mamikonyan E., Detre JA, Siderowf AD, Stern MB, Potenza MN, et al. (2010). Diminuzione dell'attività striatale ventrale con disturbi del controllo degli impulsi nella malattia di Parkinson. Mov. Disord. 25 1660-1669. 10.1002 / mds.23147 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Rao LL, Zhou Y., Liang ZY, Rao H., Zheng R., Sun Y., et al. (2014). Diminuzione della disattivazione della corteccia prefrontale ventromediale in decisioni a rischio dopo la microgravità simulata: effetti di -6 gradi di riposo del letto inclinabile a testa in giù. Davanti. Behav. Neurosci. 8: 187 10.3389 / fnbeh.2014.00187 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Rosenbloom MH, Schmahmann JD, Prezzo BH (2012). La neuroanatomia funzionale del processo decisionale. J. Clinica Neuropsichiatrica. Neurosci. 24 266-277. 10.1176 / appi.neuropsych.11060139 [PubMed] [Croce Ref]
  • Sakagami M., Pan X., Uttl B. ​​(2006). Inibizione comportamentale e corteccia prefrontale nel processo decisionale. Neural Netw. 19 1255-1265. 10.1016 / j.neunet.2006.05.040 [PubMed] [Croce Ref]
  • Schiebener J., Wegmann E., Pawlikowski M., Brand M. (2012). Gli effetti di ancoraggio nel processo decisionale possono essere ridotti dall'interazione tra il monitoraggio degli obiettivi e il livello delle funzioni esecutive del decisore. Cogn. Processi. 13 321–332. 10.1007/s10339-012-0522-4 [PubMed] [Croce Ref]
  • Schonberg T., Fox CR, Mumford JA, Congdon E., Trepel C., Poldrack RA (2012). Diminuzione dell'attività corteccia prefrontale ventromediale durante l'assunzione di rischio sequenziale: un'indagine fMRI sul compito di rischio analogico del palloncino. Davanti. Neurosci. 6: 80 10.3389 / fnins.2012.00080 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Tang J., Yu Y., Du Y., Ma Y., Zhang D., Wang J. (2014). Prevalenza della dipendenza da Internet e sua associazione con eventi stressanti della vita e sintomi psicologici tra gli utenti di Internet degli adolescenti. Dipendente. Behav. 39 744-747. 10.1016 / j.addbeh.2013.12.010 [PubMed] [Croce Ref]
  • Telzer EH, Fuligni AJ, Lieberman MD, Galván A. (2013a). Gli effetti di una cattiva qualità del sonno sulla funzione cerebrale e l'assunzione di rischi nell'adolescenza. Neuroimage 71 275-283. 10.1016 / j.neuroimage.2013.01.025 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Telzer EH, Fuligni AJ, Lieberman MD, Galván A. (2013b). Relazioni familiari significative: buffer neurocognitivi per l'assunzione di rischi da parte degli adolescenti. J. Cogn. Neurosci. 25 374-387. 10.1162 / jocn_a_00331 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Trepel C., Fox CR, Poldrack RA (2005). Teoria prospettica sul cervello? Verso una neuroscienza cognitiva delle decisioni a rischio. Cervello. Cogn. Cervello. 23 34-50. 10.1016 / j.cogbrainres.2005.01.016 [PubMed] [Croce Ref]
  • Wang H., Jin C., Yuan K., Shakir TM, Mao C., Niu X., et al. (2015). L'alterazione del volume della materia grigia e il controllo cognitivo negli adolescenti con disturbi del gioco su Internet. Davanti. Behav. Neurosci. 9: 64 10.3389 / fnbeh.2015.00064 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Wu X., Chen X., Han J., Meng H., Luo J., Nydegger L., et al. (2013). Prevalenza e fattori di dipendenza da Internet tra gli adolescenti a Wuhan, in Cina: interazioni della relazione genitoriale con l'età e iperattività-impulsività. PLoS ONE 8: e61782 10.1371 / journal.pone.0061782 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Yao YW, Chen PR, Chen C., Wang LJ, Zhang JT, Xue G., et al. (2014). L'incapacità di utilizzare il feedback provoca deficit decisionali tra i giocatori di Internet in eccesso. Resistenza psichiatrica 219 583-588. 10.1016 / j.psychres.2014.06.033 [PubMed] [Croce Ref]
  • Yao YW, Chen PR, Li S., Wang LJ, Zhang JT, Yip SW, et al. (2015). Il processo decisionale per guadagni e perdite rischiose tra studenti universitari con disordine di gioco su Internet. PLoS ONE 10: e0116471 10.1371 / journal.pone.0116471 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Young K. (1998). Dipendenza da Internet: l'emergere di un nuovo disturbo clinico. CyberPsychol. Behav. 1 237-244. 10.1089 / cpb.1998.1.237 [Croce Ref]
  • Young, KS, Internet Addiction Test [IAT] (2009). Disponibile a: http://netaddiction.com/index.php?option5combfquiz&view5onepage&catid546&Itemid5106
  • Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X., et al. (2011). Anomalie della microstruttura negli adolescenti con disturbo da dipendenza da internet. PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Yuan P., Raz N. (2014). Corteccia prefrontale e funzioni esecutive in adulti sani: una meta-analisi di studi di neuroimaging strutturale. Neurosci. Biobehav. Rev. 42 180-192. 10.1016 / j.neubiorev.2014.02.005 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
  • Zhou Z., Yuan G., Yao J. (2012). Pregiudizi cognitivi nei confronti delle immagini relative ai giochi su Internet e dei deficit esecutive in individui con una dipendenza da giochi su Internet. PLoS ONE 7: e48961 10.1371 / journal.pone.0048961 [Articolo gratuito di PMC] [PubMed] [Croce Ref]