Diverse alterazioni della connettività funzionale a riposo in fumatori e non fumatori con dipendenza da giochi su Internet (2014)

Biomed Res Int. 2014; 2014: 825787. doi: 10.1155 / 2014 / 825787. Epub 2014 Nov 18.

Chen X¹, Wang Y¹, Zhou Y¹, Sun Y¹, Ding W¹, Zhuang Z¹, Xu J¹, Du Y².

Astratto

Questo studio ha studiato i cambiamenti nella connettività funzionale a riposo (rsFC) della corteccia cingolata posteriore (PCC) in fumatori e non fumatori con dipendenza da gioco su Internet (IGA). Ventinove fumatori con IGA, nonnmokers 22 con IGA e controlli sani 30 (gruppo HC) sono stati sottoposti a una scansione fMRI a riposo. La connettività PCC è stata determinata in tutti i soggetti studiando le fluttuazioni del segnale fMRI a bassa frequenza sincronizzate utilizzando un metodo di correlazione temporale. Rispetto ai non fumatori con IGA, i fumatori con IGA hanno mostrato una diminuzione di rsFC con PCC nel giro rettale destro. Il giro frontale medio sinistro mostrava un aumento di rsFC. La connettività PCC con il giusto giro retto è risultata essere correlata negativamente con i punteggi CIAS nei fumatori con IGA prima della correzione. I nostri risultati hanno suggerito che i fumatori con IGA avevano cambiamenti funzionali nelle aree del cervello legate alla motivazione e alla funzione esecutiva rispetto ai non fumatori con IGA.

1. introduzione

Internet è uno dei media più importanti per la comunicazione e l'interazione sociale nella vita moderna. Tuttavia, una perdita di controllo sull'uso di Internet si traduce in conseguenze negative di disturbo [1], come l'ossessione per il gioco, la mancanza di relazioni di vita reale, la mancanza di attenzione, aggressività e ostilità, lo stress e la diminuzione dei risultati accademici [2-4]. Questo fenomeno comportamentale è stato chiamato dipendenza da Internet (IA) [1] o "Disturbo dell'uso di Internet". IA comprende almeno tre sottotipi: dipendenza da giochi su Internet (IGA), preoccupazioni sessuali e posta elettronica / messaggi di testo [5]. In Cina, il sottotipo più importante di IA è IGA [6]. Prove cliniche suggeriscono che gli individui con IA sperimentano una serie di sintomi e conseguenze biopsicosociali, quali salienza, modificazione dell'umore, tolleranza, sintomi da astinenza, conflitto e recidiva, che erano tradizionalmente associati a dipendenze legate alla sostanza, sebbene non causasse la stessa tipo di problemi fisici come altre dipendenze come abuso di alcol o droghe [7, 8]. È stato riferito che la prevalenza di IA è stata 10.7 percentuale in gioventù in Cina [9]. Poiché il numero di utenti Internet sta aumentando rapidamente, l'IA è diventato un serio problema di salute pubblica.

Gli studi riguardanti vari fattori legati alla IA sono condotti attivamente per comprendere e risolvere i fenomeni di dipendenza da Internet. Alla luce della dipendenza comportamentale, i ricercatori hanno compiuto sforzi per trovare un'associazione tra IA e altri comportamenti problematici che possono portare alla dipendenza, come il consumo di alcool e l'abuso di droghe [10]. Diversi studi hanno riportato che il rischio di IA è associato ad un aumento della prevalenza di dipendenza da sostanze [11-13]. Sung et al. ha riferito che il rischio di IA è stato associato a fumo di sigaretta, alcol, abuso di droghe e rapporti sessuali tra adolescenti coreani [10]. Ko et al. [14] hanno riferito che gli adolescenti taiwanesi con IA avevano più probabilità di avere esperienza con l'uso di sostanze, tra cui tabacco, alcol o droghe illecite. Ko et al., Hanno scoperto che gli studenti dipendenti da Internet e gli studenti con esperienza nell'uso di sostanze hanno condiviso caratteristiche di personalità comuni più vulnerabili alla dipendenza. Risultati simili tra gli adolescenti greci sono stati riportati da Fisoun et al. [15]. Questi studi hanno suggerito che gli adolescenti ad alto rischio di IA potrebbero avere personalità vulnerabili a qualsiasi dipendenza; queste personalità hanno aumentato il rischio di uso di sostanze e rapporti sessuali, che può portare alla dipendenza. La sovrapposizione tra IA e abuso di sostanze e dipendenza può essere dovuta a caratteristiche simili che predispongono e regioni cerebrali che rispondono a Internet o all'uso di sostanze [11]. Gli individui con IA e dipendenza da sostanze condividono temperamenti simili. Inoltre, alterazioni funzionali simili delle regioni cerebrali come la corteccia dorsolaterale e orbitofrontale sono state trovate in soggetti con IGA, tossicodipendenza e gioco d'azzardo patologico [16, 17]. Sung et al. ha proposto di non interpretare il fatto che l'IA causi altri comportamenti problematici tra gli adolescenti; tuttavia, è probabile che gli stessi fattori causali responsabili della IA aumentino il rischio di IA negli adolescenti che si impegnano in altri comportamenti problematici. Pertanto, è apparso ragionevole considerare i comportamenti problematici concomitanti, in particolare il fumo, il bere, l'abuso di droghe e i rapporti sessuali, quando si tratta di adolescenti ad alto rischio di IA [10]. Ma, finora, i cambiamenti funzionali del cervello in soggetti con IA con e senza dipendenza da sostanze rimangono poco chiari. Nella nostra ricerca precedente, abbiamo trovato alterato rsFC con PCC in IGA [18]. Pertanto, nel presente studio, abbiamo mirato a determinare se i soggetti con IGA e dipendenza da sostanze hanno mostrato maggiori cambiamenti nella rsFC rispetto a quelli con IGA senza dipendenza da sostanza.

L'ultimo decennio ha visto un'esplosione nel numero di studi sulla connettività funzionale (FC) che utilizzano l'fMRI, in gran parte perché l'FC consente l'esplorazione di reti su larga scala e le loro interazioni, spostandosi verso una comprensione a livello di sistema del funzionamento cerebrale [19, 20]. Questo strumento emergente di neuroimaging ha fornito ai ricercatori ulteriori approfondimenti e ha stimolato nuove teorie sui substrati neurali sottostanti di vari disturbi neuropsichiatrici [21]. Nel presente studio, abbiamo confrontato la connettività funzionale a riposo (rsFC) con PCC tra fumatori e non fumatori con IGA e un gruppo di controllo sano. Gli obiettivi di questo studio erano (1) per rilevare le differenze nella rsFC con l'alterazione del PCC in fumatori e non fumatori con IGA e (2) per determinare se vi fossero relazioni tra rsFC alterata con PCC e la gravità della dipendenza da IGA e nicotina.

2. Materiali e metodi

2.1. I partecipanti

Ventinove fumatori con IGA, non fumatori 22 con IGA e controlli sani 30 (gruppo HC) hanno partecipato al presente studio. I gruppi IGA sono stati reclutati dal dipartimento ambulatoriale del Centro di salute mentale di Shanghai. Il gruppo di controllo è stato reclutato tramite pubblicità. Tutti i partecipanti al gruppo di fumatori hanno iniziato a fumare 2-3 anni prima dell'inizio dello studio. I soggetti dipendenti dalla nicotina sono particolarmente adatti come gruppo di confronto per l'IGA perché gli effetti neurotossici della nicotina sono limitati rispetto a quelli di altri farmaci, come l'alcol [22, 23].

Un questionario di base è stato utilizzato per raccogliere informazioni demografiche come sesso, età e ultimo anno scolastico completato. Questo studio è stato approvato dal Comitato di Etica del Ren Ji Hospital, Facoltà di Medicina dell'Università di Shanghai Jiao Tong. I partecipanti e i loro genitori o tutori legali sono stati informati degli obiettivi del nostro studio prima che fossero condotti gli esami di risonanza magnetica (MRI). Il consenso informato completo e scritto è stato ottenuto dai genitori o dai tutori legali di ciascun partecipante.

Tutti i soggetti sono stati sottoposti a screening per disturbi psichiatrici con la Mini International Neuropsychiatric Interview (MINI) [24]. I criteri di reclutamento erano età di 16-23 anni, sesso maschile ed essere destrimani. È stata fornita una spiegazione dettagliata dello studio e, successivamente, è stato ottenuto il consenso informato da parte di tutti i partecipanti. Tutti i soggetti sono stati intervistati da uno psichiatra per confermare le diagnosi di dipendenza da IGA e nicotina. I criteri per l'IGA sono stati valutati in base al questionario diagnostico modificato per la dipendenza da Internet (ad esempio, il criterio YDQ) di Beard and Wolf [25], e i criteri per la dipendenza da nicotina sono stati valutati usando le domande appropriate dell'Intervista Clinica Strutturata per il DSM-IV [26]. Nessuno dei partecipanti ai gruppi di controllo aveva mai fumato.

I criteri di esclusione includevano una storia di una delle seguenti condizioni: disturbi da uso di sostanze diversi dalla dipendenza da nicotina, precedenti ospedalizzazioni per disturbi psichiatrici o anamnesi di importanti disturbi psichiatrici, malattie o ferite neurologiche, ritardo mentale e intolleranza alla risonanza magnetica.

2.2. Valutazioni cliniche

Cinque questionari sono stati utilizzati per valutare le caratteristiche cliniche dei partecipanti, vale a dire, la Chen Internet Addiction Scale (CIAS) [27], Self-Rating Anxiety Scale (SAS) [28], Scala di depressione autoregolata (SDS) [29], Barratt Impulsiveness Scale-11 (BIS-11) [30] e il test Fagerstrom sulla dipendenza da nicotina (FTND) [31]. Il CIAS, sviluppato da Chen, contiene oggetti 26 su una scala Likert a punto 4; rappresenta la gravità della dipendenza da Internet. L'FTND è un questionario self-report in sei elementi [31]. I punteggi possono variare da 0 (non dipendente) a 10 (altamente dipendente). Tutti i questionari sono stati inizialmente scritti in inglese e poi tradotti in cinese.

2.3. Acquisizione MRI

La risonanza magnetica è stata condotta utilizzando uno scanner MRI 3T (GE Signa HDxt 3T, USA). È stata utilizzata una bobina frontale standard con imbottitura in schiuma. Durante la risonanza magnetica funzionale a riposo, i soggetti sono stati istruiti a tenere gli occhi chiusi, a rimanere immobili, a rimanere svegli ea mantenere la mente libera da qualsiasi soggetto specifico. Per l'imaging funzionale è stata utilizzata una sequenza eco-piano planare-eco. Trenta fette trasversali (tempo di ripetizione (TR) = 2000ms, tempo di eco (TE) = 30ms, campo visivo (FOV) = 230 × 230mm, 3.6 × 3.6 × 4mm voxel size) allineati lungo la linea anteriore commessura-posteriore della commessura sono stati acquisiti. Ogni scansione fMRI è durata 440S. Sono state acquisite anche molte altre sequenze, tra cui (1) 3D Sequenza di gradazioni elevate (3D-FSPGR) Sequenza richiamata (TR = 6.1)ms, TE = 2.8ms, TI = 450ms, slice thickness = 1mm, gap = 0, angolo di inversione = 15 °, FOV = 256mm × 256mm, numero di fette = 166, 1 × 1 × 1mm voxel size). (2) sequenze di echo campo veloce pesate T1 assiali (TR = 331ms, TE = 4.6ms, FOV = 256 × 256mm, fette 34, 0.5 × 0.5 × 4mm voxel size), e (3) T2W assiali spin-echo sequenze (TR = 3013)ms, TE = 80ms, FOV = 256 × 256mm, fette 34, 0.5 × 0.5 × 4mm voxel size). I fumatori con IGA non hanno fumato prima della scansione.

2.4. Analisi statistica

Per i confronti di gruppo di misure demografiche e cliniche, sono stati eseguiti test ANOVA unidirezionali utilizzando SPSS 18 (Pacchetto statistico per le scienze sociali) per esaminare le differenze nei tre gruppi e sono stati eseguiti test post hoc Bonferroni per esaminare le differenze tra ogni coppia di gruppi . A due code P il valore di 0.05 è stato considerato statisticamente significativo per tutte le analisi.

Le scansioni MRI del cervello strutturale (immagini pesate in T1 e T2) sono state ispezionate da due neuroradiologi esperti. Non sono state osservate anomalie grossolane in entrambi i gruppi. La preelaborazione della MRI funzionale è stata eseguita utilizzando l'Assistente per l'elaborazione dei dati per la fMRI in stato di riposo (DPARSF V2.3) (Yan & Zang, 2010, http://www.restfmri.net) che si basa sul software Statistical Parametric Mapping (SPM8) (http://www.fil.ion.ucl.ac.uk/spm) e il toolkit di analisi dei dati fMRI dello stato a riposo (REST, http://www.restfmri.net) [32, 33].

I dati di ciascuna scansione fMRI contenevano i punti temporali 220. I primi volumi 10 di ciascuna serie temporale funzionale sono stati scartati a causa dell'instabilità del segnale MRI iniziale e dell'adattamento iniziale dei partecipanti alla situazione e le immagini 210 rimanenti sono state preelaborate. Le immagini sono state successivamente corrette per il timing delle sezioni e riallineate alla prima immagine mediante correzione del movimento della testa del corpo rigido (i dati del paziente mostrano un movimento maggiore di 1mm con traduzione massima in x, y, o z, o 1 ° rotazione massima attorno ai tre assi, sono stati scartati). Nessun partecipante è stato escluso a causa del movimento. Le immagini funzionali sono state normalizzate nello spazio stereotassico standard di Montreal Neurological Institute (MNI). I volumi normalizzati sono stati ricampionati in una dimensione voxel di 3mm × 3mm × 3mm. Le immagini planari eco sono state livellate spazialmente utilizzando un filtro gaussiano isotropico di 4mm larghezza intera a metà massimo.

Le serie temporali in ciascun voxel sono state penalizzate per correggere la deriva lineare nel tempo. Otto covariate fastidiose (predittori di serie temporali per sostanza bianca, liquido cerebrospinale e i sei parametri di movimento) sono stati sequenzialmente regrediti dalle serie temporali. Successivamente, filtraggio temporale (0.01-0.08Hz) è stato applicato alle serie temporali di ciascun voxel per ridurre l'impatto della deriva a bassa frequenza e del rumore ad alta frequenza [34-37].

La corteccia cingolata posteriore (PCC) ha attirato molta attenzione alla ricerca di recente [38]. Come componente centrale del DMN proposto, il PCC è implicato nei processi attenzionali. Precedenti studi hanno dimostrato che i neuroni PCC rispondono alla ricezione, all'ampiezza e all'orientamento visivo-spaziale [39, 40]. La nostra ricerca precedente ha anche rivelato che i soggetti IGA avevano una densità di materia grigia inferiore nella corteccia cingolata posteriore sinistra, e la connettività con il PCC era positivamente correlata con i punteggi CIAS nel PCC corretto [18, 41]. Inoltre, Dong et al. hanno scoperto che i soggetti IGA presentavano un'anisotropia frazionaria (FA) superiore, indicando una maggiore integrità della sostanza bianca, nel PCC sinistro rispetto ai controlli sani [42]. Pertanto, il PCC è stato utilizzato nel presente studio come seme ROI. Il modello PCC, che consisteva nelle aree 29, 30, 23 e 31 di Brodmann, è stato selezionato come regione di interesse (ROI) utilizzando il software WFU-Pick Atlas [43]. Le serie temporali del segnale dipendenti dal livello di ossigenazione del sangue nei voxel all'interno della regione seme sono state mediate per generare le serie temporali di riferimento. Per ogni soggetto e regione dei semi, è stata prodotta una mappa di correlazione calcolando i coefficienti di correlazione tra le serie temporali di riferimento e le serie temporali di tutti gli altri voxel del cervello. I coefficienti di correlazione sono stati quindi convertiti in z valori usando Fisher's z-trasformare per migliorare la normalità della distribuzione [36]. L'individuo z-scores sono stati inseriti in SPM8 per un campione t-test per determinare le regioni del cervello con una significativa connettività al PCC all'interno di ciascun gruppo. I punteggi individuali sono stati inseriti anche in SPM8 per l'analisi dell'effetto casuale e sono stati eseguiti test ANOVA a una via. La correzione del confronto multipla è stata eseguita utilizzando il programma AlphaSim nel pacchetto software Analisi di Neuroimmagini funzionali, come determinato dalle simulazioni Monte Carlo. Mappe statistiche dei due campioni t-test sono stati creati utilizzando una soglia combinata di P <0.05 e una dimensione minima del cluster di 54 voxel, che produce una soglia corretta di P <0.05. Quindi, sono state eseguite ulteriori analisi di interazione di gruppo con due campioni t-test per identificare le regioni che presentano differenze significative nella connettività al PCC tra due gruppi in base al risultato dell'analisi ANOVA utilizzando il risultato del F-test come maschera per limitare il t-test alle regioni significative. La correzione del confronto multipla è stata eseguita utilizzando il programma AlphaSim. Le regioni che esibiscono differenze statisticamente significative sono state mascherate su modelli cerebrali MNI.

Abbiamo anche esaminato la relazione tra i punteggi CIAS e zFC in fumatori e non fumatori con gruppo IGA. Innanzitutto, ogni cluster che mostrava differenze tra i gruppi in un confronto di gruppo di fumatori con IGA contro non fumatori con IGA è stato salvato come ROI. Poi il zI valori FC di ciascuna ROI sono stati estratti dal software REST. Infine, l'analisi di correlazione con zÈ stato eseguito il valore FC di ciascun ROI con CIAS e FTND nei fumatori con IGA. A due code P il valore di 0.00625 con la correzione di Bonferroni è stato considerato statisticamente significativo.

3. Risultati e discussione

3.1. Risultati demografici e clinici

Tabella 1 elenca le misure demografiche e cliniche per ciascun gruppo. Non ci sono state differenze significative nelle distribuzioni di età e anni di istruzione nei tre gruppi. I fumatori con IGA avevano un CIAS più elevato (P <0.001), SAS (P = 0.002), SDS (P <0.001) e punteggi BIS-11 (P <0.001) rispetto ai controlli sani. I non fumatori con IGA avevano CIAS più alto (P <0.001) e i punteggi BIS-11 (P <0.001) rispetto ai controlli sani. Nessuna differenza è stata trovata tra i sottogruppi IGA nelle valutazioni cliniche.

Caratteristiche demografiche e di personalità dei tre gruppi.

3.2. Analisi della connettività PCC

3.2.1. Analisi ANOVA a tre gruppi

Differenza significativa di rsFC con PCC è stata trovata nel lato sinistro del cervo posteriore del cervelletto, nella corteccia calcarea, nel giro temporale inferiore, nel giro medio occipitale, nel giro frontale inferiore, nel giro prefrontale mediale, giro angolare, lobulo parietale inferiore, giro frontale superiore, precuno e giro frontale superiore, nonché lato destro del giro del retto, insula, caudato, giro occipitale medio, giro postcentrale e lobulo parietale superiore (Tabella 2 ed Figure 1 ).

Differenze significative tra i gruppi nella rsFC di diverse regioni del cervello con PCC tra fumatori con IGA, non fumatori con IGA e soggetti HC. Nota: la parte sinistra della figura (L) rappresenta il lato sinistro del partecipante, (R) rappresenta quello del partecipante ...

Riepilogo delle modifiche della connettività funzionale in tre gruppi.

3.2.2. Analisi tra gruppi di connettività PCC: fumatori con IGA Gruppo HC

Rispetto al gruppo HC, i fumatori con IGA hanno mostrato un aumento del rsFC nei lobi cerebellari posteriori bilaterali, caudato bilaterale e corteccia frontale mediale sinistra. Inoltre, è stata rilevata una diminuita rsFC nel giro temporale medio bilaterale, nei lobuli parietali superiori bilaterali, nel lobo del cervelletto posteriore sinistro e nel giro linguale destro (Tabella 3 ed Figure 2 ).

Significative differenze tra i gruppi nella rsFC di diverse regioni del cervello con PCC tra i fumatori con soggetti IGA e HC. Rispetto al gruppo HC, i fumatori con IGA hanno mostrato un aumento del rsFC nel lobo bilaterale del cervelletto, bilaterale ...

Riepilogo delle modifiche di connettività funzionale nei fumatori con IGA rispetto al gruppo HC.

3.2.3. Analisi tra gruppi di connettività PCC: non-fumatori con IGA Gruppo HC

I non fumatori con IGA hanno mostrato un aumento del rsFC nel lobo posteriore del cervelletto sinistro, nella corteccia prefrontale mediale sinistra, nel caudato destro e nell'insula destra, rispetto al gruppo HC. Diminuzione rsFC è stata trovata nella corteccia calcarina sinistra, lobulo parietale superiore destro, giro occipitale medio destro, giro frontale medio sinistro, precuneus sinistro e giro temporale inferiore sinistro (Tabella 5 ed Figure 3 ).

Significative differenze tra i gruppi di rsFC di diverse regioni del cervello con PCC tra non fumatori con soggetti IGA e HC. Rispetto al gruppo HC, i non fumatori con IGA hanno mostrato un aumento del rsFC nel lobo posteriore del cervelletto sinistro, prefrontale mediale sinistro ...

Riepilogo delle modifiche di connettività funzionale nei non fumatori con IGA rispetto al gruppo HC.

3.2.4. Analisi tra gruppi di connettività PCC: fumatori con IGA Non fumatori con IGA

Rispetto ai non fumatori con IGA, i fumatori con IGA hanno mostrato un aumento del rsFC nel giro frontale medio sinistro e una diminuzione del rsFC nel giro rettale destro (Tabella 4 ed Figure 4 ).

Significative differenze tra i gruppi di rsFC del giro medio frontale e del retto destro con PCC tra fumatori e non fumatori con IGA. Rispetto ai non fumatori con IGA, i fumatori con IGA hanno mostrato un aumento di rsFC nel frontale medio sinistro ...

Riepilogo dei cambiamenti di connettività funzionale nei fumatori con IGA rispetto ai non fumatori con IGA.

3.3. Correlazione tra PCC Connectivity e Severity of IGA e Nicotine Dipendenza nei fumatori con IGA Group

Il zValori FC del giro rettale destro con PCC correlato al CIAS (r = -0.476, P = 0.009) e FTND (r = -0.125, P = 0.52) nei fumatori con IGA. Nessuna correlazione significativa è stata trovata nel zValori FC del giro medio frontale destro con punteggio CIAS o FTND. Nessuna correlazione significativa è sopravvissuta dopo la correzione di Bonferroni.

3.4. Discussione

Numerosi studi di imaging funzionale hanno rilevato i possibili meccanismi neurali dell'IGA e suggerito che potrebbe condividere anomalie psicologiche e neurobiologiche con disturbi da dipendenza con e senza abuso di sostanze [6, 18, 44-46]. In accordo con i risultati del nostro precedente studio sull'IGA [18], aree simili con rsFC con variazioni PCC sono state trovate in fumatori e non fumatori con IGA rispetto al gruppo di controllo nello studio corrente, come il lobo posteriore del cervelletto, caudato, corteccia frontale mediale, lobuli parietali superiori, insula e precuneus. Questa scoperta ha implicato che gli individui IGA con / senza dipendenza da sostanze condividono alcune alterazioni cerebrali funzionali simili. Queste aree cerebrali sono state riportate negli studi precedenti sulle voglie nell'IGA. Il nucleo caudato contribuisce all'apprendimento dell'abitudine stimolo-risposta, in cui il comportamento diventa automatico e quindi non è più guidato da relazioni esito-azione [47]. L'insula e i lobi frontali mediali sono costantemente attivati negli studi di imaging di craving [48, 49]. È stato anche suggerito che il cervelletto è essenziale nella brama indotta dall'IGA, specialmente durante la preparazione, l'esecuzione, la memoria di lavoro [50] e processi a motore fine modulati da sistemi extrapiramidali.

Il punto che vorremmo sottolineare in questo studio è che abbiamo confrontato rsFC con PCC nei soggetti con IGA con / senza dipendenza da nicotina e abbiamo scoperto che i fumatori con IGA mostravano un aumento di rsFC nel giro frontale medio sinistro e una diminuzione di rsFC nel retto destro giro. Inoltre, la connettività PCC con il giro rettale destro era negativamente correlata con i punteggi CIAS nei fumatori con IGA prima della correzione, il che suggeriva che la forza del rsFC tra PCC e retto destro potrebbe rappresentare la gravità dell'IGA in questo gruppo, e retto giusto giro può svolgere un ruolo importante nella patogenesi del comportamento combinato dipendenza da sostanze. Il giro rettale fa parte della corteccia orbitofrontale (OFC) e l'OFC è coinvolto nella valutazione della ricompensa degli stimoli e nella rappresentazione esplicita dell'aspettativa di ricompensa per le sostanze [44], quindi il giro di ricognizione è stato costantemente implicato nella patologia delle dipendenze da droghe e comportamentali. Hong et al., [50] ha confermato che gli adolescenti maschi con dipendenza da Internet hanno ridotto significativamente lo spessore corticale nell'OFC laterale destro. Le estese connessioni dell'OFC con il sistema striato e limbico suggeriscono che integra l'emozione e la naturale spinta dalle aree limbiche e sottocorticali per valutare il valore della ricompensa rispetto all'esperienza precedente [51]. L'OFC crea e mantiene le aspettative di una possibile ricompensa legata al rafforzamento [52]. La corteccia prefrontale dorsolaterale (DLPFC) è ben nota per essere coinvolta nella memoria di lavoro [53]. È collegato ad altre aree corticali e serve a collegare l'esperienza sensoriale presente alla memoria delle esperienze passate al fine di dirigere e generare azioni appropriate dirette all'obiettivo [45, 46]. Pertanto, quando sono presenti indicatori di sostanza e viene generata un'aspettativa positiva, la DLPFC può contribuire a mantenere e coordinare le rappresentazioni ricevute da altre regioni durante la risposta al craving [52]. La nostra ricerca ha rilevato che, rispetto ai non fumatori con IGA, i fumatori con IGA hanno mostrato una riduzione del rsFC con PCC nel giro rettale, suggerendo che avevano una funzione anomala nell'OFC, che può portare a soggetti con forti aspettative di giochi o nicotina e aumento di rsFC in DLPFC, supponendo che avessero deficit nel controllo del comportamento appropriato.

Nonostante le scoperte sull'IGA e sul comportamento combinato alla tossicodipendenza, ci sono diverse limitazioni associate a questo studio che vorremmo discutere. In primo luogo, questo studio si è concentrato sul sottogruppo di giochi su Internet di IA, ma non sono stati effettuati confronti diretti con altri sottogruppi IA; quindi resta da investigare su quanto bene i risultati possano essere estrapolati ad altri sottogruppi IA, se non del tutto. In secondo luogo, in questo studio sono stati esclusi i soggetti con disturbi psichiatrici maggiori o disturbi da uso di sostanze diversi dalla nicotina. Quindi, c'è una limitazione nel generalizzare i risultati dei soggetti della dipendenza da gioco online ad altre sostanze che usano disordini e disordini psichiatrici maggiori. In terzo luogo, il presente studio era trasversale e non avevamo informazioni sull'ordine di insorgenza dell'IGA e della dipendenza da nicotina. Pertanto, rsFC con anomalie PCC nei fumatori e non fumatori con IGA può rappresentare vulnerabilità preesistenti o cambiamenti derivanti da comportamenti / sintomi di dipendenza da IGA o nicotina. In quarto luogo, un gruppo di soli fumatori deve essere incluso negli studi futuri per completezza. In quinto luogo, i risultati della correlazione non sono durati quando abbiamo adottato confronti multipli (correzione di Bonferroni), il che significa che questo dovrebbe essere considerato solo come un'analisi esplorativa. Per aumentare il potere statistico, i risultati dovrebbero essere ripetuti con un campione più ampio di soggetti. Infine, poiché i partecipanti al presente studio erano tutti giovani maschi, è necessario un lavoro futuro per determinare se i risultati possono essere estesi ad altri gruppi di genere e età.

4. CONCLUSIONE

In sintesi, rsFC con PCC fornisce uno strumento utile per lo studio di malattie neuropsichiatriche sfaccettate come la dipendenza a livello di sistemi di valutazione. I nostri risultati suggeriscono che gli individui IGA con / senza dipendenza da sostanze condividono alcune alterazioni funzionali simili nelle aree cerebrali legate al desiderio. IGA con dipendenza da sostanze ha mostrato cambiamenti funzionali nelle aree coinvolte nella motivazione, come il giro frontale del retto, e sistemi esecutivi, come la corteccia prefrontale dorsolaterale, rispetto all'IGA senza dipendenza da sostanza. Queste due aree possono essere marcatori candidati per l'identificazione di individui IGA con e senza dipendenza da sostanze e dovrebbero essere studiati in studi futuri.

Ringraziamenti

Questa ricerca è stata sostenuta dalla National Natural Science Foundation of China (numero 81171325), dalla National Natural Science Foundation of China (numero 81201172), dalla National Natural Science Foundation of China (numero 81371622) e dal progetto di Disciplina accademica leader di Shanghai (Progetto No. S30203). I finanziatori non hanno svolto ulteriori ruoli nel disegno dello studio, nella raccolta e analisi dei dati, nella decisione di pubblicare o nella preparazione del documento. Gli autori ringraziano il Dr. Zhenyu Zhou e il Dr. Yong Zhang di GE Healthcare per il loro supporto tecnico.

Conflitto d'interessi

Gli autori dichiarano che non vi è alcun conflitto di interessi in merito alla pubblicazione di questo documento.

Contributo degli autori

Xue Chen, Yao Wang, Yan Zhou e Jianrong Xu hanno contribuito ugualmente a questo lavoro.

Riferimenti

1. Ko C.-H., Yen J.-Y., Chen S.-H., Yang M.-J., Lin H.-C., Yen C.-F. Proposto criteri diagnostici e lo strumento di screening e diagnosi della dipendenza da Internet negli studenti universitari. Psichiatria completa. 2009; 50 (4): 378-384. doi: 10.1016 / j.comppsych.2007.05.019. [PubMed] [Croce Ref]

2. Allison SE, von Wahlde L., Shockley T., Gabbard GO Lo sviluppo del sé nell'era di Internet e giochi fantasy di ruolo. L'American Journal of Psychiatry. 2006; 163 (3): 381-385. doi: 10.1176 / appi.ajp.163.3.381. [PubMed] [Croce Ref]

3. Chan PA, Rabinowitz T. Un'analisi cross-sectional di videogiochi e sintomi di disturbo da deficit di attenzione e iperattività negli adolescenti. Annali di Psichiatria generale. 2006; 5, articolo 16 doi: 10.1186 / 1744-859X-5-16. [Articolo gratuito di PMC] [PubMed] [Croce Ref]

4. Jeong EJ, Kim DH Attività sociali, autoefficacia, atteggiamenti di gioco e dipendenza dal gioco. Cyberpsychology, Behaviour e Social Networking. 2011; 14 (4): 213-221. doi: 10.1089 / cyber.2009.0289. [PubMed] [Croce Ref]

5. Block JJ Prevalenza sottovalutato nello studio problematico di Internet. Spettri del CNS. 2007;12(1):14–15. [PubMed]

6. Dong G., Huang J., Du X. Maggiore sensibilità alla ricompensa e diminuzione della sensibilità alla perdita nei tossicodipendenti di Internet: uno studio fMRI durante un compito di indovinatura. Journal of Psychiatric Research. 2011; 45 (11): 1525-1529. doi: 10.1016 / j.jpsychires.2011.06.017. [PubMed] [Croce Ref]

7. Kuss DJ, Griffiths MD Internet e dipendenza da gioco: una revisione sistematica della letteratura sugli studi di neuroimaging. Scienze del cervello. 2012; 2: 347-374. [Articolo gratuito di PMC] [PubMed]

8. Byun S., Ruffini C., Mills JE, Douglas AC, Niang M., Stepchenkova S., Lee SK, Loutfi J., Lee J.-K., Atallah M., Blanton M. Dipendenza da Internet: metasintesi di 1996- Ricerca quantitativa 2006. Cyberpsicologia e comportamento. 2009; 12 (2): 203-207. doi: 10.1089 / cpb.2008.0102. [PubMed] [Croce Ref]

9. Huang H., Leung L. Dipendenza da messaggistica istantanea tra gli adolescenti in Cina: timidezza, alienazione e decremento delle prestazioni accademiche. Cyberpsicologia e comportamento. 2009; 12 (6): 675-679. doi: 10.1089 / cpb.2009.0060. [PubMed] [Croce Ref]

10. Sung J., Lee J., Noh H.-M., Park YS, Ahn EJ Associazioni tra il rischio di dipendenza da Internet e comportamenti problematici tra adolescenti coreani. Giornale coreano di medicina di famiglia. 2013; 34 (2): 115-122. doi: 10.4082 / kjfm.2013.34.2.115. [Articolo gratuito di PMC] [PubMed] [Croce Ref]

11. Lee YS, Han DH, Kim SM, Renshaw PF L'abuso di sostanze precede la dipendenza da Internet. Comportamenti avvincenti. 2013; 38 (4): 2022-2025. doi: 10.1016 / j.addbeh.2012.12.024. [PubMed] [Croce Ref]

12. Bakken IJ, Wenzel HG, Götestam KG, Johansson A., Øren A. Dipendenza da Internet tra gli adulti norvegesi: uno studio campione stratificato di probabilità. Rivista scandinava di psicologia. 2009; 50 (2): 121-127. doi: 10.1111 / j.1467-9450.2008.00685.x. [PubMed] [Croce Ref]

13. Padilla-Walker LM, Nelson LJ, Carroll JS, Jensen AC Più che un semplice gioco: videogiochi e utilizzo di Internet durante l'emergere dell'età adulta. Journal of Youth and Adolescence. 2010;39(2):103–113. doi: 10.1007/s10964-008-9390-8. [PubMed] [Croce Ref]

14. Ko C.-H., Yen J.-Y., Chen C.-C., Chen S.-H., Wu K., Yen C.-F. Personalità tridimensionale degli adolescenti con dipendenza da Internet e esperienza nell'uso di sostanze. Rivista canadese di psichiatria. 2006;51(14):887–894. [PubMed]

15. Fisoun V., Floros G., Siomos K., Geroukalis D., Navridis K. La dipendenza da Internet come importante fattore predittivo nella diagnosi precoce di esperienze di uso di droghe per adolescenti - implicazioni per la ricerca e la pratica. Journal of Addiction Medicine. 2012;6(1):77–84. doi: 10.1097/ADM.0b013e318233d637. [PubMed] [Croce Ref]

16. Crockford DN, Goodyear B., Edwards J., Quickfall J., El-Guebaly N. Attività cerebrale indotta da Cue in giocatori patologici. Biological Psychiatry. 2005; 58 (10): 787-795. doi: 10.1016 / j.biopsych.2005.04.037. [PubMed] [Croce Ref]

17. Il trattamento a rilascio prolungato di Han DH, Hwang JW, Renshaw PF Bupropion riduce la brama per i videogiochi e l'attività cerebrale indotta da cue in pazienti con dipendenza da videogiochi su Internet. Psicofarmacologia sperimentale e clinica. 2010; 18 (4): 297-304. doi: 10.1037 / a0020023. [PubMed] [Croce Ref]

18. Ding W.-N., Sun J.-H., Sun Y.-W., Zhou Y., Li L., Xu J.-R., Du Y.-S. Connettività funzionale alterata allo stato di riposo di rete negli adolescenti con dipendenza da giochi su Internet. PLoS ONE. 2013; 8 (3) doi: 10.1371 / journal.pone.0059902.e59902 [Articolo gratuito di PMC] [PubMed] [Croce Ref]

19. Bressler SL, Menon V. Reti cerebrali su larga scala nella cognizione: metodi e principi emergenti. Tendenze nelle scienze cognitive. 2010; 14 (6): 277-290. doi: 10.1016 / j.tics.2010.04.004. [PubMed] [Croce Ref]

20. van den Heuvel MP, Hulshoff Pol HE Esplorando la rete cerebrale: una recensione sulla connettività funzionale fMRI a riposo. Neuropsicofarmacologia europea. 2010; 20 (8): 519-534. doi: 10.1016 / j.euroneuro.2010.03.008. [PubMed] [Croce Ref]

21. Menon V. Reti cerebrali su larga scala e psicopatologia: un modello di rete tripla unificante. Tendenze nelle scienze cognitive. 2011; 15 (10): 483-506. doi: 10.1016 / j.tics.2011.08.003. [PubMed] [Croce Ref]

22. Mudo G., Belluardo N., Fuxe K. Agonisti del recettore nicotinico come farmaci neuroprotettivi / neurotrofici. Progressi nei meccanismi molecolari. Journal of Neural Transmission. 2007;114(1):135–147. doi: 10.1007/s00702-006-0561-z. [PubMed] [Croce Ref]

23. Sullivan EV Compromesso sistema pontocerebellare e cerebellothalamocorticale: speculazioni sul loro contributo al deterioramento cognitivo e motorio in alcolismo non anamnestico. Alcoholism: Clinical and Experimental Research. 2003; 27 (9): 1409-1419. doi: 10.1097 / 01.ALC.0000085586.91726.46. [PubMed] [Croce Ref]

24. Lecrubier Y., Sheehan DV, Weiller E., Amorim P., Bonora I., Sheehan KH, Janavs J., Dunbar GC La Mini International Neuropsychiatric Interview (MINI). Un breve colloquio diagnostico strutturato: affidabilità e validità secondo la CIDI. Psichiatria europea. 1997;12(5):224–231. doi: 10.1016/S0924-9338(97)83296-8. [Croce Ref]

25. Beard KW, Wolf EM Modifica nei criteri diagnostici proposti per la dipendenza da Internet. Cyberpsicologia e comportamento. 2001; 4 (3): 377-383. doi: 10.1089 / 109493101300210286. [PubMed] [Croce Ref]

26. Michael B., Spitzer RL, Gibbon M., Williams JBW Intervento clinico strutturato per DDS-IV Asse I Disorders, versione per medico (SID-CV) Washington, DC, Stati Uniti: American Psychiatric Press; 1996.

27. Chen SHWL, Su YJ, Wu HM, Yang PF Sviluppo della scala cinese di addcition di internet e del suo studio psicometrico. Società psicologica cinese. 2003; 45: 279-294.

28. Zung WW Uno strumento di valutazione per i disturbi d'ansia. Psicosomatica. 1971;12(6):371–379. doi: 10.1016/S0033-3182(71)71479-0. [PubMed] [Croce Ref]

29. Zung WW Una scala di depressione auto-valutazione. Archives of General Psychiatry. 1965; 12: 63-70. doi: 10.1001 / archpsyc.1965.01720310065008. [PubMed] [Croce Ref]

30. Patton JH, Stanford MS, Barratt ES Struttura del fattore della scala di impulsività di Barratt. Journal of Clinical Psychology. 1995;51(6):768–774. [PubMed]

31. Heatherton TF, Kozlowski LT, Frecker RC, Fagerstrom K.-O. Il test del fagerstrom per la dipendenza da nicotina: una revisione del questionario sulla tolleranza del fagerstrom. Il British Journal of Addiction. 1991;86(9):1119–1127. doi: 10.1111/j.1360-0443.1991.tb01879.x. [PubMed] [Croce Ref]

32. Canzone X.-W., Dong Z.-Y., Long X.-Y., Li S.-F., Zuo X.-N., Zhu C.-Z., He Y., Yan C.- G., Zang Y.-F. REST: un kit di strumenti per l'elaborazione dei dati di risonanza magnetica funzionale a riposo. PLoS ONE. 2011; 6 (9) doi: 10.1371 / journal.pone.0025031.e25031 [Articolo gratuito di PMC] [PubMed] [Croce Ref]

33. Chao-Gan Y., Yu-Feng Z. DPARSF: una cassetta degli attrezzi MATLAB per l'analisi dei dati "Pipeline" di fMRI a riposo. Frontiers in Systems Neuroscience. 2010; 4: 13. doi: 10.3389 / fnsys.2010.00013. [Articolo gratuito di PMC] [PubMed] [Croce Ref]

34. Greicius MD, Krasnow B., Reiss AL, Menon V. Connettività funzionale nel cervello a riposo: un'analisi di rete dell'ipotesi della modalità predefinita. Proceedings of the National Academy of Sciences. 2003; 100 (1): 253-258. doi: 10.1073 / pnas.0135058100. [Articolo gratuito di PMC] [PubMed] [Croce Ref]

35. Biswal B., Yetkin FZ, Haughton VM, Hyde JS Connettività funzionale nella corteccia motoria del cervello umano a riposo usando la risonanza magnetica eco-planare. Risonanza magnetica in medicina. 1995; 34 (4): 537-541. doi: 10.1002 / mrm.1910340409. [PubMed] [Croce Ref]

36. Lowe MJ, Mock BJ, Sorenson JA Connettività funzionale in imaging ecoplanare singolo e multislice con fluttuazioni dello stato di riposo. NeuroImage. 1998; 7 (2): 119-132. doi: 10.1006 / nimg.1997.0315. [PubMed] [Croce Ref]

37. Rogers P. La psicologia cognitiva del gioco d'azzardo della lotteria: una revisione teorica. Journal of Gambling Studies. 1998; 14 (2): 111-134. doi: 10.1023 / A: 1023042708217. [PubMed] [Croce Ref]

38. Yalachkov Y., Kaiser J., Naumer MJ Studi funzionali di neuroimaging nella dipendenza: stimoli di farmaci multisensoriali e reattività neurale degli stimoli. Neuroscienze e recensioni bio-comportamentali. 2012; 36 (2): 825-835. doi: 10.1016 / j.neubiorev.2011.12.004. [PubMed] [Croce Ref]

39. McCoy AN, Crowley JC, Haghighian G., Dean HL, Platt ML Saccade ricompensano i segnali nella corteccia cingolata posteriore. Neuron. 2003;40(5):1031–1040. doi: 10.1016/S0896-6273(03)00719-0. [PubMed] [Croce Ref]

40. Pearson JM, Hayden BY, Raghavachari S., Platt ML Neuroni nelle decisioni esplorative del segnale cingolato posteriore cingolato in un compito di scelta multipla dinamico. Current Biology. 2009; 19 (18): 1532-1537. doi: 10.1016 / j.cub.2009.07.048. [Articolo gratuito di PMC] [PubMed] [Croce Ref]

41. Zhou Y., Lin F.-C., Du Y.-S., Qin L.-D., Zhao Z.-M., Xu J.-R., Lei H. Grey presentano anomalie nella dipendenza da Internet: un studio di morfometria basato su voxel. European Journal of Radiology. 2011; 79 (1): 92-95. doi: 10.1016 / j.ejrad.2009.10.025. [PubMed] [Croce Ref]

42. Dong G., deVito E., Huang J., Du X. L'imaging del tensore di diffusione rivela anomalie del talamo e della corteccia cingolata posteriore nei tossicodipendenti dei giochi su Internet. Journal of Psychiatric Research. 2012; 46 (9): 1212-1216. doi: 10.1016 / j.jpsychires.2012.05.015. [Articolo gratuito di PMC] [PubMed] [Croce Ref]

43. Maldjian JA, Laurienti PJ, Kraft RA, Burdette JH Un metodo automatizzato per l'interrogazione basata su atlante neuroanatomico e citoarchitettonico di insiemi di dati fMRI. NeuroImage. 2003;19(3):1233–1239. doi: 10.1016/S1053-8119(03)00169-1. [PubMed] [Croce Ref]

44. Ko C.-H., Liu G.-C., Yen J.-Y., Yen C.-F., Chen C.-S., Lin W.-C. Le attivazioni cerebrali sia per l'impulso indotto dai cue che per il desiderio di fumare tra i soggetti sono comorbili con la dipendenza da gioco su Internet e la dipendenza dalla nicotina. Journal of Psychiatric Research. 2013; 47 (4): 486-493. doi: 10.1016 / j.jpsychires.2012.11.008. [PubMed] [Croce Ref]

45. Ko CH, Liu GC, Hsiao S., Yen JY, Yang MJ, Lin WC, Yen CF, Chen CS Attività cerebrali associate con l'impulso di gioco della dipendenza da gioco online. Journal of Psychiatric Research. 2009; 43 (7): 739-747. doi: 10.1016 / j.jpsychires.2008.09.012. [PubMed] [Croce Ref]

46. Vanderschuren LJMJ, Everitt BJ Meccanismi comportamentali e neurali della ricerca compulsiva di droghe. European Journal of Pharmacology. 2005; 526 (1-3): 77-88. doi: 10.1016 / j.ejphar.2005.09.037. [PubMed] [Croce Ref]

47. Garavan H., Pankiewicz J., Bloom A., Cho J.-K., Sperry L., Ross TJ, Salmeron BJ, Risinger R., Kelley D., Stein EA Cueine indotta da cueina: specificità neuroanatomica per tossicodipendenti e stimoli della droga. L'American Journal of Psychiatry. 2000; 157 (11): 1789-1798. doi: 10.1176 / appi.ajp.157.11.1789. [PubMed] [Croce Ref]

48. Reiman EM L'applicazione della tomografia ad emissione di positroni allo studio delle emozioni normali e patologiche. Il Journal of Clinical Psychiatry. 1997; 58 (supplemento 16): 4-12. [PubMed]

49. Passamonti L., Novellino F., Cerasa A., Chiriaco C., Rocca F., Matina MS, Fera F., Quattrone A. Alterati circuiti corticali-cerebellari durante la memoria di lavoro verbale nel tremore essenziale. Cervello. 2011; 134 (8): 2274-2286. doi: 10.1093 / cervello / awr164. [PubMed] [Croce Ref]

50. Hong S.-B., Kim J.-W., Choi E.-J., Kim H.-H., Suh J.-E., Kim C.-D., Klauser P., Whittle S., Yucel M., Pantelis C., Yi S.-H. Ridotto spessore corticale orbitofrontale negli adolescenti maschi con dipendenza da internet. Funzioni comportamentali e cerebrali. 2013; 9, articolo 11 doi: 10.1186 / 1744-9081-9-11. [Articolo gratuito di PMC] [PubMed] [Croce Ref]

51. Weiss F. Neurobiologia della brama, ricompensa condizionata e ricaduta. Parere corrente in Farmacologia. 2005; 5 (1): 9-19. doi: 10.1016 / j.coph.2004.11.001. [PubMed] [Croce Ref]

52. Bonson KR, Grant SJ, Contoreggi CS, Link JM, Metcalfe J., Weyl HL, Kurian V., Ernst M., London Sistemi neurali e cocaina. Neuropsicofarmacologia. 2002;26(3):376–386. doi: 10.1016/S0893-133X(01)00371-2. [PubMed] [Croce Ref]

53. Scherf KS, Sweeney JA, Luna B. Base cerebrale del cambiamento evolutivo nella memoria di lavoro visuospaziale. Journal of Cognitive Neuroscience. 2006; 18 (7): 1045-1058. doi: 10.1162 / jocn.2006.18.7.1045. [PubMed] [Croce Ref]