Variazioni dipendenti dalla frequenza dell'ampiezza delle fluttuazioni a bassa frequenza nel disturbo dei giochi su Internet (2015)

Psychol frontale. 2015; 6: 1471.

Pubblicato online 2015 Sep 28. doi: 10.3389 / fpsyg.2015.01471

PMCID: PMC4585012

Xiao Lin,^1,² Xize Jia,^3,⁴ Yu-Feng Zang,^3,⁴ ed Guangheng Dong^1,^5,^*

Informazioni sull'autore ► Note d'articolo ► Informazioni sul copyright e sulla licenza ►

Astratto

Studi di neuroimaging hanno rivelato che le attività cerebrali funzionali correlate al compito sono compromesse nei soggetti con disturbi del gioco su Internet (IGD). Tuttavia, poco si sa circa le alternanze nelle attività cerebrali spontanee su di loro. Recenti studi hanno proposto che le attività cerebrali di diverse gamme di frequenza sono generate da diverse attività nervose e hanno diverse funzioni fisiologiche e psicologiche. Pertanto, in questo studio, ci siamo prefissati di esplorare le attività cerebrali spontanee nei soggetti IGD misurando l'ampiezza frazionaria delle fluttuazioni a bassa frequenza (fALFF), per studiare i cambiamenti specifici della banda di fALFF nello stato di riposo. Abbiamo suddiviso l'intervallo di frequenza in cinque bande basate sulle letterature.

Confrontando i controlli sani, il gruppo IGD mostrava valori di FALFF ridotti nel lobo posteriore del cervelletto e valori di fALFF aumentati nel giro temporale superiore. Interazioni significative tra bande di frequenza e gruppi sono state riscontrate nel cervelletto, nel cingolato anteriore, nel giro linguale, nel giro temporale medio e nel giro frontale medio. Queste regioni cerebrali sono provate in relazione alla funzione esecutiva e al processo decisionale. Questi risultati hanno rivelato la cambiata attività cerebrale spontanea di IGD, che ha contribuito a comprendere la fisiopatologia sottostante di IGD.

parole chiave: disordine di gioco su Internet, risonanza magnetica funzionale a riposo, ampiezza di fluttuazione a bassa frequenza

Introduzione

Il disturbo da dipendenza da Internet (IAD) è stato definito come l'incapacità dell'individuo di controllare l'uso eccessivo di Internet, anche di fronte alle conseguenze negative degli aspetti di funzionamento psicologico (Giovane, 1998; Fitzpatrick, 2008; Tao et al., 2008; Flisher, 2010). È stata proposta come una "dipendenza comportamentale" in base ai suoi effetti negativi sulla salute mentale sociale (Kuss e Griffiths, 2012). Tuttavia, si sa poco sul meccanismo di IAD e non è stata formata una definizione uniforme di IAD e il Manuale diagnostico e statistico 4 (DSM-4) non ha incluso questo disturbo comportamentale (Blocca, 2008). Insieme alla rapida diffusione di IAD, il DSM-5 è sviluppato per il disturbo del gioco su Internet (IGD) basato sulla definizione di disturbi e dipendenze da uso di sostanze (Frances e Widiger, 2012; American Psychiatric Association, 2013; Petry e O'Brien, 2013; Petry et al., 2014).

Esistono molti tipi diversi di IAD a causa delle diverse funzioni di Internet. In generale, IAD consiste di tre sottotipi: IGD, Internet pornography e e-mailing (Blocca, 2007). Considerando la definizione di dipendenza, tutte queste categorie di IAD condividono quattro caratteristiche che definiscono: uso eccessivo, ritiro, tolleranza e ripercussioni negative (Barba e Lupo, 2001; Blocca, 2008; Tao et al., 2010). Come la forma più diffusa di IAD (Dong et al., 2012a), IGD può condividere specifiche caratteristiche neuropsicologiche con altre dipendenze comportamentali, come il gioco d'azzardo patologico (Griffiths, 2005; Grant et al., 2010; Dong et al., 2012b; Han et al., 2012; Dong e Potenza, 2014).

Numerosi studi di imaging hanno studiato le caratteristiche di IGD utilizzando diversi compiti (Fowler et al., 2007; Dong et al., 2011a, 2012b; Han et al., 2011a; Xu, 2013), ma è difficile confrontare i dati ottenuti da diversi paradigmi sperimentali e trarre conclusioni clinicamente utili da diversi compiti cognitivi (Zang et al., 2007a). Studi di risonanza magnetica funzionale (FMRI) hanno rivelato alcune anomalie dell'attivazione cerebrale in IGD (trova più descrizioni da una revisione di Weinstein e Lejoyeux (2015). I soggetti con IGD hanno una maggiore impulsività, che è un tipico sintomo della tossicodipendenza; questo sintomo è correlato alla diminuita attivazione del giro del cingolo, che coinvolge il controllo cognitivo (Dong et al., 2012a). Uno studio fMRI ha anche mostrato una maggiore omogeneità regionale (ReHo) nel tronco cerebrale, nel lobulo parietale inferiore, nel cervelletto posteriore sinistro e nel giro medio frontale sinistro correlato alla coordinazione sensorio-motoria che potrebbe essere rilevante per il movimento del dito nei giochi su Internet (Dong et al., 2012c).

La fMRI dello stato di riposo è stata sviluppata come una nuova tecnica dopo lo studio di Biswal (Biswal et al., 1995). In primo luogo hanno segnalato le fluttuazioni spontanee a bassa frequenza (0.01-0.08 Hz) altamente sincrone nel segnale BOLD tra le cortecce motorie, concludendo l'ampiezza della fluttuazione a bassa frequenza (ALFF) era un indicatore neurofisiologico (Biswal et al., 1995). Sulla base di ALFF, Zang et al. (2007b) ha promosso un altro strumento per rappresentare l'attività cerebrale locale: l'ampiezza frazionaria della fluttuazione a bassa frequenza (fALFF), che potrebbe rilevare l'intensità regionale delle fluttuazioni spontanee nel segnale BOLD (Zou et al., 2008; Zuo et al., 2010). Recentemente, il FALFF è stato ampiamente utilizzato negli studi sui pazienti con disturbi mentali, come la depressione (Guo et al., 2013), schizofrenia (Bluhm et al., 2007), sindrome da deficit di attenzione e iperattività (Zang et al., 2007b), IG D (Yuan et al., 2013), e così via. Non è ancora chiaro se le anormalità dell'attività cerebrale di IGD siano correlate a specifiche bande di frequenza. È importante rilevare le fluttuazioni spontanee del cervello a una frequenza specifica superiore a un'ampia banda di frequenza. Ci sono molte diverse oscillazioni nel cervello, le loro frequenze vanno da oscillazioni molto lente con periodi di decine di secondi a oscillazioni molto veloci con frequenze superiori a 1000 Hz (Bullock, 1997). Buzsáki e Draguhn (2004) ha proposto una "classe di oscillazione" che contiene bande di frequenza 10 che vanno da 0.02 a 600 Hz (Penttonen e Buzsáki, 2003). E Zuo et al. (2010) ha studiato il fALFF a quattro bande di frequenza e ha scoperto che le oscillazioni sono collegate a specifici processi neurali (Buzsáki e Draguhn, 2004; Knyazev, 2007). Hanno scoperto che le ampiezze delle oscillazioni (0.01-0.027 Hz) a bassa frequenza erano più robuste nelle strutture corticali e le alte frequenze erano più robuste nelle strutture sottocorticali come i gangli della base. Gli studi hanno rivelato che i pazienti con schizofrenia presentavano particolari anomalie delle ampiezze di oscillazione nella banda di frequenza 4 lenta (Yu et al., 2014). Han et al. (2011b) ha anche dimostrato che le anormalità della funzione cerebrale nei pazienti con deficit cognitivo lieve amnestici hanno esposto differenti pattern di attivazione in diverse bande di frequenza.

Nel presente studio, abbiamo raccolto valori FALFF della frequenza su 0-0.25, incluse sei bande di frequenza di 0-0.01 Hz, 0.01-0.027 Hz, 0.027-0.073 Hz, 0.073-0.198 Hz e 0.198-0.25 Hz in IGD, secondo le "classi di oscillazione" di Buzsáki. Abbiamo cercato di confrontare il valore fALFF tra IGD e HC in diverse bande e affrontare due aspetti: primo, se i soggetti con IGD mostrano ampiezze anormali di FALFF rispetto a controlli sani; in secondo luogo, se le anormalità di IGD sono associate a specifiche bande di frequenza.

Materiali e Metodi

Selezione dei partecipanti

L'esperimento è conforme al Codice Etico dell'Associazione Medica Mondiale (Dichiarazione di Helsinki) ed è approvato dal Human Investigations Committee della Zhejiang Normal University. Cinquantadue studenti universitari sono stati reclutati tramite pubblicità [26 IGD, 26 healthy controls (HC)]. Erano tutti maschi destri. I gruppi IGD e HC non differivano significativamente nell'età (IGD: N = 26, 22.2 ± 3.13 anni; HC: N = 26, 22.28 ± 2.54 anni; t(50) = 0.1, p = 0.9). A causa delle maggiori percentuali di IGD tra gli uomini, sono stati inclusi solo i maschi. Ai partecipanti è stato richiesto di firmare il consenso informato e tutti i partecipanti hanno attraversato interviste psichiatriche strutturate (MINI) (Lecrubier et al., 1997) eseguita da uno psichiatra esperto con un tempo di somministrazione di circa 15 min. Tutti i partecipanti erano liberi da disturbi psichiatrici di Axis I elencati in MINI. Tutti i partecipanti non hanno soddisfatto i criteri del DSM-4 per abuso di droghe o dipendenze, compreso l'alcol, sebbene tutti i partecipanti a IGD e HC abbiano riferito di consumare alcol durante la loro vita. Tutti i partecipanti sono stati istruiti a non utilizzare alcuna sostanza, incluso caffè, tè, il giorno della scansione. Nessun partecipante ha riportato danni cerebrali o precedenti esperienze con droghe illecite (ad es. Cocaina, marijuana).

La diagnosi di IGD è stata determinata sulla base di punteggi di 50 o superiori su Test online di dipendenza da Internet di Young (Giovane, 1998). In quanto dipendenza da comportamento speciale, la definizione operativa e gli standard diagnostici per IGD sono ancora incoerenti. Nel presente studio, il gruppo IGD era composto da individui che soddisfacevano i criteri generali IAD (punteggi superiori a 50 nello IAT) e riferivano di "trascorrere la maggior parte del tempo online giocando a giochi online (> 80%)" (Blaszczynski, 2008; Weng et al., 2013). Il punteggio IAT del gruppo IGD (72 ± 11.7) era molto più alto rispetto ai controlli sani [29 ± 10.4), t(50) = 14, p = 0.000].

Acquisizione Dati

Dopo la scansione convenzionale del localizzatore, le immagini pesate con T1 sono state ottenute con una sequenza di richiamo del gradiente alterato [TR = 240 ms; tempo di eco (TE) = 2.46 ms; flip angle (FA) = 90 °; campo visivo (FOV) = 220 ~ 220 mm²; matrice dati = 256 ~ 256]. Quindi, le immagini funzionali dello stato di riposo sono state acquisite utilizzando una sequenza di immagini eco-planari (TR = 2000 ms; TE = 30 ms; FA = 90 °; FOV = 220 ~ 220 mm²; matrice dati = 64 ~ 64) con sezioni assiali 33 (spessore fetta = 3 mm e distanza fetta = 1 mm, volumi totali = 210) in una corsa di 7 min. I soggetti dovevano rimanere fermi e non pensare a nulla in modo sistematico durante la scansione. Alla fine dell'acquisizione dei dati, tutti i soggetti hanno confermato di essere rimasti svegli durante l'intero periodo di scansione.

Calcolo della preelaborazione dei dati e FALFF

Tutta l'elaborazione dell'immagine funzionale è stata eseguita con Assistente elaborazione dati per fMRI a stato di riposo [DPARSF (Yan e Zang, 2010)^¹] Software. Per ciascun partecipante, i primi punti 10 sono stati esclusi da ulteriori analisi, che è quello di evitare cambiamenti di segnale transitori prima che la magnetizzazione raggiunga lo stato stazionario e consentire ai soggetti di abituarsi all'ambiente di scansione fMRI. I rimanenti volumi del cervello 200 sono stati corretti per il timing della fetta e riallineati per la correzione del movimento della testa. Sono stati inclusi solo i partecipanti con movimento della testa inferiore a 1.5 mm nella direzione x, yo z e inferiore alla rotazione di 2 su ciascun asse. I soggetti 26 HC e 26 IGD erano validi nel presente studio. Quindi, tutte le immagini riallineate sono state normalizzate spazialmente e quindi ricampionate su voxel isotropici 3 mm e levigate spazialmente (larghezza intera a metà massimo = 6 mm) e la tendenza lineare è stata rimossa. Dopo la pre-elaborazione, fALFF è stato calcolato utilizzando DPARSF. In breve, per un dato voxel, le serie temporali sono state prima convertite nel dominio della frequenza usando una "trasformata di Fourier veloce". La radice quadrata dello spettro di potenza è stata calcolata e quindi mediata attraverso un intervallo di frequenza predefinito. Questa radice quadrata media è stata definita fALFF al voxel dato di bande di frequenza predefinite (Zang et al., 2007a). Abbiamo diviso l'intera gamma di frequenze (0-0.25 Hz) in cinque sottobande: lento 6 (0-0.01 Hz), lento-5 (0.01-0.027 Hz), lento-4 (0.027-0.073 Hz), lento- 3 (0.073-0.198 Hz) e lento-2 (0.198-0.25 Hz) (35, 46, 30) e fALFF calcolato di ciascuna banda di frequenza.

Analisi statistica

Un'analisi della varianza a due vie (gruppo e banda di frequenza) di varianza (ANOVA) è stata eseguita su base voxel-voxel con gruppo (IGD e HC) come fattore tra soggetti e banda di frequenza (2 lento, slow-3, slow-4, slow-5, slow-6) come misure ripetute. Abbiamo anche calcolato l'analisi della correlazione basata sul ROI seguendo l'effetto principale significativo e l'interazione tra la gravità dei valori IGD e FALFF e abbiamo scelto valori FALFF da bande specifiche.

Risultati

Sono stati mostrati gli effetti principali dell'ANOVA a misure ripetute a due vie figura Figure11, tavoli Tables11 ed 22. Abbiamo utilizzato la correzione di Alphahasim per i confronti multipli nei dati di imaging. Il corretto p <0.05 corrisponde a una combinazione di non corretto p <0.05 e dimensione del grappolo> 248 mm³). L'analisi della correlazione basata sul ROI è stata effettuata tra i valori fALFF e la gravità di IGD (punteggi di IAT). Il cervelletto ha mostrato una significativa correlazione negativa con la severità dell'IGD (slow-4: r =-0.487, p = 0.000; SLOW-5: r =-0.485, p = 0.000; vedere figura Figure2C2C). La coordinata della ROI è stata definita dal picco di attivazione del cluster sopravvissuto. Il raggio di ROI è 4 mm, ed è costituito dal software REST^².

FIGURA 1

(A) L'effetto principale per il gruppo sull'ampiezza della fluttuazione a bassa frequenza (ALFF). Regioni cerebrali in cui l'ampiezza frazionaria delle fluttuazioni a bassa frequenza (fALFF) è diversa tra disturbo del gioco su Internet (IGD) e controlli sani. I soggetti IGD ...

Regioni cerebrali con un effetto principale del gruppo.

Regioni cerebrali con effetto di interazione tra gruppo e frequenza.

FIGURA 2

I valori ALFF in giro temporale superiore e il cervelletto. Il rettangolo rosso e blu rappresentava rispettivamente soggetti IGD e controlli sani. La banda di frequenza completa (0-0.25 Hz) era divisa in cinque bande. Sono stati esposti in (A, B) ...

Interazioni significative tra banda di frequenza e gruppo sono state osservate nel cervelletto, nel cingolato anteriore, nel giro linguale, nel giro temporale medio e nel giro frontale medio. Il giro frontale medio mostrava valori di ampiezza maggiore e il giro temporale medio mostrava valori di ampiezza ridotta in IGD. Inoltre, le analisi basate sulla ROI hanno presentato un'alterazione dinamica del fALFF nel cervelletto e nel giro linguale insieme all'adattamento di frequenza (vedere figura Figure33). In IGD, il cervelletto mostrava valori di ampiezza ridotta nel regno delle alte frequenze (2 lento, 3 lento, 4 lento) e valori di ampiezza aumentati nel regno delle frequenze inferiori (6 lento, vedere figura Figure3A3A). Al contrario, il giro linguale mostrava maggiori valori di ampiezza nel regno delle alte frequenze (2 lento, 3 lento) e valori di ampiezza ridotti nel regno delle frequenze inferiori (6 lento, vedere figura Figure3B3B). Queste due regioni hanno condiviso un punto di transizione alla banda 5 lenta per l'alterazione dell'ampiezza.

FIGURA 3

Modello inverso nel cervelletto e il giro linguale in diverse bande in IGD. Il rettangolo rosso e blu rappresentava rispettivamente soggetti IGD e controlli sani. La banda di frequenza completa (0-0.25 Hz) era divisa in cinque bande. Sono stati visualizzati ...

Discussione

Il presente studio ha studiato l'anomala attività cerebrale spontanea in IGD con il fALFF a diverse bande di frequenza. L'effetto del gruppo principale ha rivelato che l'IGD ha dimostrato valori di fALFF inferiori nel giro temporale superiore e valori fALFF superiori nel cervelletto. Abbiamo presentato BOLD ampiezze di fluttuazione in tutte le bande di frequenza (0-0.25 Hz) e abbiamo trovato un modello inverso di cambiamenti nel reame di frequenza nel cervelletto e nel giro linguale in IGD. Questi risultati forniscono una visione completa delle analisi FALFF nel dominio della frequenza e sottolineano l'importanza della selezione della frequenza specifica per la rilevazione dei disturbi mentali correlati all'anormalità.

FALFF diversi in corticale tra IGD e HC (The Main Effect of Group)

Letterature precedenti ritenevano che il segnale di 2 lento rifletta la deriva a frequenza molto bassa, e il 6 lento riflette rumori fisiologici ad alta frequenza (Zang et al., 2007a; Xu, 2013). L'analisi dell'effetto principale del gruppo si è concentrata sull'attività neurale spontanea a specifiche bande di frequenza (lento-4 e lento-5) in IGD. L'effetto principale del gruppo ha rivelato che l'IGD mostrava valori di fALFF inferiori a 4 lento e 5 lento nel cervelletto. Una correlazione negativa tra i valori fALFF nel cervelletto e la gravità di IGD è stata trovata nel presente studio. Il cervelletto è comunemente classificato come una struttura motoria la cui funzione non è limitata alla coordinazione o all'equilibrio del movimento e svolge anche un ruolo importante nei processi cognitivi superiori (De Zeeuw et al., 2011; Stoodley et al., 2012). Prove da studi di imaging anatomico, fisiologico e funzionale hanno dimostrato che le persone con lesioni al cervelletto hanno mostrato carenza di funzioni esecutive cognitive e memoria di lavoro (Raymond et al., 1996; De Smet et al., 2013). Riceve input dai sistemi sensoriali e da altre aree del cervello e integra questi input per regolare l'attività motoria (Doyon et al., 2003; Ito, 2006; Yuan et al., 2011). Il ruolo potenziale del cervelletto nella dipendenza è stato affrontato in un recente articolo, che ha proposto che il cervelletto sia un centro di regolazione potenziale che è influenzato dalla dipendenza (Moulton et al., 2013). Le letterature hanno dimostrato che i soggetti IGD sono associati a ReHo più che normale (Liu et al., 2010; Dong et al., 2012c) e connettività funzionale (Ding et al., 2013) sopra il cervelletto. Nel presente studio è stata osservata una correlazione negativa tra i valori di fALFF nel cervelletto e la gravità di IGD (vedere figura Figure2C2C), che sostiene anche che l'anormale attività neuronale spontanea nel cervelletto è correlata al comportamento inappropriato di IGD.

I valori di fALFF erano più alti nel giro temporale superiore in IGD. Precedenti studi hanno dimostrato che l'IGD, rispetto all'HC, mostrava una diminuzione della connettività funzionale nell'area temporale (Ding et al., 2013). Il nostro studio precedente ha rilevato una diminuzione del ReHo nel giro temporale inferiore, e deduciamo che potrebbe essere il risultato di una lunga durata di gioco (Dong et al., 2012c). Le scoperte attuali sono parzialmente incoerenti con lo studio precedente, quindi portiamo avanti l'ipotesi che l'aumento di fALFF in giro temporale superiore possa riflettere un più alto livello di attività cerebrale correlato con la flessibilità del movimento in IGD, ma la funzione di quest'area necessita di ulteriori studi.

Variazioni dell'ampiezza dipendente dalla frequenza in IGD

Gli effetti di interazione tra gruppi e bande di frequenza sono stati osservati nel cervelletto, nel giro cingolato anteriore, nel giro linguale, nel giro temporale medio e nel giro frontale medio.

Valori di FALFF più alti nella Giro centrale frontale in IGD

Nel presente studio, i partecipanti di IGD hanno mostrato valori di fALFF più alti nel giro frontale medio sinistro a bande diverse. Il giro centrale frontale svolge un ruolo importante nel coordinare diversi sistemi, come l'apprendimento e la memoria, che è fortemente correlato alle operazioni mentali (Cardinale, 2006). In uno studio precedente, abbiamo concluso che i soggetti con IGD mostrano una sincronizzazione potenziata nelle regioni del cervello correlate alla coordinazione sensoriale-motoria (Van Rooij et al., 2011) - il gioco online richiede ai giocatori di integrare diversi sistemi, tra cui il sistema sensoriale, il controllo motorio, la coordinata del motore e il sistema di elaborazione delle informazioni (Ito, 2006). Le scoperte attuali supportano anche questa ipotesi. Questo risultato è anche coerente con lo studio di Liu (Liu et al., 2010), che ha rilevato che i soggetti con IGD hanno mostrato un aumento significativo dei valori di ReHo nel giro frontale medio sinistro. Quindi trarremo la conclusione che i partecipanti di IGD hanno mostrato valori di fALFF più alti nel giro frontale medio sinistro, che potrebbero associarsi con l'abilità coordinata sensoriale-motorio.

L'anormalità nella ghiera anteriore anteriore in IGD

Abbiamo trovato fALFF inferiore nel cingolo anteriore Gyrus a 6 lento. La regione cingolata anteriore è stata implicata nell'inibizione, nel controllo e nel monitoraggio dei conflitti (Paus, 2001; Goldstein et al., 2007) e le anomalie sono state menzionate in precedenti studi IGD (Liu et al., 2010; Moulton et al., 2013). Come accennato nell'introduzione, i valori inferiori di FALFF possono riguardare la diminuita capacità di coordinazione dell'attività neuronale a lunga distanza. Questa ipotesi è supportata da studi in questo campo: con un approccio di connettività funzionale. Hong et al. (2013) Segnalato ridotta connettività funzionale tra ACC e PFC in IAD. Jiang et al. (2011) hanno proposto che le attività inferiori nell'ACC possano riflettere l'anormale diminuzione dell'attività neuronale spontanea in questa regione e un deficit funzionale. Altri studi relativi ai compiti hanno dimostrato questo punto che l'IGD è sempre accompagnato da disfunzioni cognitive, come il deficit di funzioni cognitive (Dong et al., 2010, 2011b). Quindi crediamo che l'anormalità nell'ACC sia correlata alle disfunzioni cognitive di IGD.

Modello inverso nel cervelletto e il giro linguale a bande diverse in IGD

È importante notare che le anormalità dell'attività neurale spontanea nell'IGD dipendono da specifiche bande di frequenza, specialmente nel cervelletto e nel giro linguale. Confrontandosi con l'HC, l'IGD ha mostrato un'ampiezza ridotta nelle bande di frequenza più bassa (4 lento, 5 lento, 6 lento) e un'ampiezza maggiore nelle bande di frequenza più alta (2 lento, 3 lento) nel giro linguale. Al contrario, l'IGD ha mostrato un'ampiezza maggiore nelle bande di frequenza più basse (6 lento) e un'ampiezza ridotta nelle bande più alte (2 lento, 3 lento, 4 lento) nel cervelletto (Cifre 2A, B). È stato rivelato che diverse bande oscillatorie sono sviluppate da meccanismi diversi e hanno diverse funzioni fisiologiche (Bullock, 1997; Yuan et al., 2013). Come studi precedenti hanno dimostrato che le fluttuazioni di frequenza più bassa possiedono una potenza di magnitudo più elevata e le fluttuazioni di frequenza più alte hanno una potenza di magnitudo inferiore (Baria et al., 2011; Yuan et al., 2013). Le scoperte attuali potrebbero suggerire che l'IGD ha aumentato la capacità coordinativa dell'attività neurale a lunga distanza nel cervelletto e nel giro linguale. Questa ipotesi può essere supportata da uno studio precedente che riportava che i soggetti con IGD mostravano una maggiore connettività funzionale nel cervelletto bilaterale (Liu et al., 2010; Ko, 2014), e un altro studio ha rilevato deficit di densità della materia grigia nel giro linguale che possono riguardare l'attività neurale a lunga distanza (Weng et al., 2013).

Conclusione

I risultati del presente studio hanno suggerito che i soggetti IGD hanno mostrato un fALFF anormale in molte regioni del cervello, incluso il cervelletto (IGD <HC) e il giro temporale superiore (IGD> HC). Il presente studio può aiutare a comprendere la fisiopatologia dell'IGD e l'analisi dell'ampiezza della frequenza completa può potenzialmente aiutare a selezionare un intervallo di frequenza specifico per rilevare le attività cerebrali correlate all'IGD.

Contributi degli autori

XL analizzò i dati, scrisse la prima bozza del manoscritto; XJ ha contribuito all'analisi dei dati, Y-FZ ha contribuito alla guida dei metodi sperimentali e ha migliorato il manoscritto. GD ha progettato questa ricerca, rivisto e migliorato il manoscritto. Tutti gli autori hanno contribuito e hanno approvato il manoscritto finale.

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

Questa ricerca è stata sostenuta dalla National Science Foundation of China (31371023). Il Dr. Zang è sostenuto dal programma "Qian Jiang Distinguished Professor".

Finanziamento. I finanziatori non hanno avuto alcun ruolo nella progettazione dello studio, nella raccolta e analisi dei dati, nella decisione di pubblicare o nella preparazione del manoscritto.

¹http://www.restfmri.net

²www.restfmri.net

Riferimenti

American Psychiatric Association (2013). American Psychiatric Association. Manuale diagnostico e statistico dei disturbi mentali, 5th Edn. Arlington, TX: American Psychiatric Association
Baria AT, Baliki MN, Parrish T., Apkarian AV (2011). Assemblee anatomiche e funzionali di oscillazioni BOLD cerebrali. J. Neurosci. 31 7910-7919. 10.1523 / JNEUROSCI.1296-11.2011 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Beard KW, Wolf EM (2001). Modifica nei criteri diagnostici proposti per la dipendenza da Internet. Cyber Psychol. Behav. 4 377-383. 10.1089 / 109493101300210286 [PubMed] [Croce Ref]
Biswal B., Yetkin FZ, Haughton VM, Hyde JS (1995). Connettività funzionale nella corteccia motoria del cervello umano a riposo usando la risonanza magnetica eco-planare. Magn. Reson. Med. 34 537-541. 10.1002 / mrm.1910340409 [PubMed] [Croce Ref]
Blaszczynski A. (2008). Commento: una risposta al tema "Problemi con il concetto di dipendenza da videogioco": alcuni esempi di casi studio. Int. J. Ment. Addict salute. 6 179–181. 10.1007/s11469-007-9132-2 [Croce Ref]
Blocco JJ (2007). Prevalenza sottostimata nello studio problematico di Internet. CNS Spectr. 12 14-15. [PubMed]
Blocco JJ (2008). Problemi per DSM-V: dipendenza da internet. Am. J. Psychiatry 165 306-307. 10.1176 / appi.ajp.2007.07101556 [PubMed] [Croce Ref]
Bluhm RL, Miller J., Lanius RA, Osuch EA, Boksman K., Neufeld RWJ, et al. (2007). Fluttuazioni spontanee di bassa frequenza nel segnale in grassetto nei pazienti schizofrenici: anomalie nella rete predefinita. Schizophr. Toro. 33 1004-1012. 10.1093 / schbul / sbm052 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Bullock TH (1997). Segnali e segni nel sistema nervoso: l'anatomia dinamica dell'attività elettrica è probabilmente ricca di informazioni. Proc. Natl. Acad Sci. Stati Uniti d'America 94 1-6. [Articolo gratuito di PMC] [PubMed]
Buzsáki G., Draguhn A. (2004). Oscillazioni neuronali nelle reti corticali. Scienze 304 1926-1929. 10.1126 / science.1099745 [PubMed] [Croce Ref]
Cardinal RN (2006). Sistemi neurali implicati nel rinforzo ritardato e probabilistico. Neural Netw. 19 1277-1301. 10.1016 / j.neunet.2006.03.004 [PubMed] [Croce Ref]
De Smet HJ, Paquier P., Verhoeven J., Mariën P. (2013). Il cervelletto: il suo ruolo nel linguaggio e le relative funzioni cognitive e affettive. Cervello Lang. 127 334-342. 10.1016 / j.bandl.2012.11.001 [PubMed] [Croce Ref]
De Zeeuw CI, Hoebeek FE, Bosman LWJ, Schonewille M., Witter L., Koekkoek SK (2011). Schemi di spatiotemporal nel cervelletto. Nat. Rev. Neurosci. 12 327-344. 10.1038 / nrn3011 [PubMed] [Croce Ref]
Ding W.-N., Sun J.-H., Sun Y.-W., Zhou Y., Li L., Xu J.-R., et al. (2013). Connettività funzionale alterata allo stato di riposo di rete negli adolescenti con dipendenza da giochi su Internet. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong G., DeVito EE, Du X., Cui Z. (2012a). Compromesso controllo inibitorio nel 'disturbo da dipendenza da internet': uno studio di risonanza magnetica funzionale. Resistenza psichiatrica 203 153-158. 10.1016 / j.pscychresns.2012.02.001 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong G., DeVito E., Huang J., Du X. (2012b). L'imaging del tensore di diffusione rivela anomalie del thalamus e della corteccia cingolata posteriore nei tossicodipendenti dei giochi su Internet. J. Psychiatr. Res. 46 1212-1216. 10.1016 / j.jpsychires.2012.05.015 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong G., Huang J., Du X. (2012c). Alterazioni nell'omogeneità regionale dell'attività cerebrale dello stato di riposo nei tossicodipendenti di giochi su Internet. Behav. Cervello Funziona. 8 1–8. 10.1186/1744-9081-8-41 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong G., Huang J., Du X. (2011a). Maggiore sensibilità alla ricompensa e diminuzione della sensibilità alla perdita nei tossicodipendenti di Internet: uno studio fMRI durante un'attività di indovinatura. J. Psychiatr. Res. 45 1525-1529. 10.1016 / j.jpsychires.2011.06.017 [PubMed] [Croce Ref]
Dong G., Zhou H., Zhao X. (2011b). I tossicodipendenti di Internet maschili mostrano una capacità di controllo esecutivo compromessa: prove da un lavoro Stroop a colori. Neurosci. Lett. 499 114-118. 10.1016 / j.neulet.2011.05.047 [PubMed] [Croce Ref]
Dong G., Lu Q., Zhou H., Zhao X. (2010). Inibizione degli impulsi nelle persone con disturbo da dipendenza da Internet: evidenza elettrofisiologica da uno studio Go / NoGo. Neurosci. Lett. 485 138-142. 10.1016 / j.neulet.2010.09.002 [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]
Doyon J., Penhune V., Ungerleider LG (2003). Contributo distinto dei sistemi cortico-striatale e cortico-cerebellare all'apprendimento delle abilità motorie. Neuropsychologia 41 252–262. 10.1016/S0028-3932(02)00158-6 [PubMed] [Croce Ref]
Fitzpatrick JJ (2008). Dipendenza da Internet: riconoscimento e interventi. Arco. Psychiatr. Nurs. 22 59-60. 10.1016 / j.apnu.2007.12.001 [PubMed] [Croce Ref]
Flisher C. (2010). Essere collegati: una panoramica della dipendenza da Internet. J. Paediatr. Salute infantile 46 557-559. 10.1111 / j.1440-1754.2010.01879.x [PubMed] [Croce Ref]
Fowler JS, Volkow ND, Kassed CA, Chang L. (2007). Imaging del cervello umano dipendente. Sci. Pract. Perspect. 3 4-16. 10.1151 / spp07324 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Frances AJ, Widiger T. (2012). Diagnosi psichiatrica: lezioni dal DSM-IV Passato e ammonimenti per il futuro del DSM-5. Annu. Rev. Clin. Psychol. 8 109-130. 10.1146 / annurev-clinpsy-032511-143102 [PubMed] [Croce Ref]
Goldstein RZ, Tomasi D., Rajaram S., Cottone LA, Zhang L., Maloney T., et al. (2007). Ruolo del cingolo anteriore e della corteccia orbitofrontale mediale nel processare gli stimoli del farmaco nella dipendenza da cocaina. Neuroscienze 144 1153-1159. 10.1016 / j.neuroscience.2006.11.024 [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 M. (2005). Relazione tra gioco d'azzardo e videogioco: una risposta a Johansson e Gotestam. Psychol. Rappresentante. 96 644-646. 10.2466 / pr0.96.3.644-646 [PubMed] [Croce Ref]
Guo W., Liu F., Zhang J., Zhang Z., Yu L., Liu J., et al. (2013). Dissociazione dell'attività regionale nella rete in modalità predefinita nel primo episodio, disturbo depressivo maggiore non diagnosticato a riposo a riposo. J. Affetto. Disord. 151 1097-1101. 10.1016 / j.jad.2013.09.003 [PubMed] [Croce Ref]
Han DH, Bolo N., Daniels MA, Arenella L., Lyoo IK, Renshaw PF (2011a). Attività cerebrale e desiderio di videogiochi su Internet. Compr. Psichiatria 52 88-95. 10.1016 / j.comppsych.2010.04.004 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Han Y., Wang J., Zhao Z., Min B., Lu J., Li K., et al. (2011b). Variazioni dipendenti dalla frequenza dell'ampiezza delle fluttuazioni a bassa frequenza nel disturbo cognitivo lieve amnestico: studio fMRI a riposo. Neuroimage 55 287-295. 10.1016 / j.neuroimage.2010.11.059 [PubMed] [Croce Ref]
Han DH, Lyoo IK, Renshaw PF (2012). Volumi differenziali regionali di materia grigia in pazienti con dipendenza da gioco online e giocatori professionisti. J. Psychiatr. Res. 46 507-515. 10.1016 / j.jpsychires.2012.01.004 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Hong S.-B., Kim J.-W., Choi E.-J., Kim H.-H., Suh J.-E., Kim C.-D., et al. (2013). Ridotto spessore corticale orbitofrontale negli adolescenti maschi con dipendenza da internet. Behav. Cervello Funziona. 9 1–5. 10.1186/1744-9081-9-11 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Ito M. (2006). Circuito cerebellare come macchina neuronale. Progr. Neurobiol. 78 272-303. 10.1016 / j.pneurobio.2006.02.006 [PubMed] [Croce Ref]
Jiang G.-H., Qiu Y.-W., Zhang X.-L., Han L.-J., Lv X.-F., Li L.-M., et al. (2011). Anomalie dell'oscillazione a bassa frequenza dell'ampiezza negli utenti dell'eroina: uno studio fMRI a riposo. Neuroimage 57 149-154. 10.1016 / j.neuroimage.2011.04.004 [PubMed] [Croce Ref]
Knyazev GG (2007). Motivazione, emozione e il loro controllo inibitorio rispecchiato nelle oscillazioni cerebrali. Neurosci. Biobehav. Rev. 31 377-395. 10.1016 / j.neubiorev.2006.10.004 [PubMed] [Croce Ref]
Ko C. (2014). Disordine di gioco su Internet. Curr. Addic. Rappresentante. 1 177-185.
Kuss DJ, Griffiths MD (2012). Dipendenza da Internet e da gioco: una revisione sistematica della letteratura sugli studi di neuroimaging. Brain Sci. 2 347-374. 10.3390 / brainsci2030347 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Lecrubier Y., Sheehan DV, Weiller E., Amorim P., Bonora I., Harnett Sheehan K., et al. (1997). La mini intervista neuropsichiatrica internazionale (MINI). Un breve colloquio diagnostico strutturato: affidabilità e validità secondo la CIDI. Euro. Psichiatria 12 224-231.
Liu J., Gao XP, Osunde I., Li X., Zhou SK, Zheng HR, et al. (2010). Aumento dell'omogeneità regionale nel disturbo da dipendenza da Internet: studio di risonanza magnetica funzionale a riposo (2009). Mento. Med. J. (Inglese) 123 1904-1908. [PubMed]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2013). 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]
Paus T. (2001). Corteccia cingolata anteriore del primate: dove interfaccia di controllo, guida e cognizione del motore. Nat. Rev. Neurosci. 2 417-424. 10.1038 / 35077500 [PubMed] [Croce Ref]
Penttonen M., Buzsáki G. (2003). Relazione logaritmica naturale tra oscillatori cerebrali. Thalamus Relat. Syst. 2 145-152. 10.1017 / S1472928803000074 [Croce Ref]
Petry NM, O'Brien CP (2013). Disordine di gioco su Internet e DSM-5. Dipendenza 108 1186-1187. 10.1111 / add.12162 [PubMed] [Croce Ref]
Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf H.-J., Mößle T., et al. (2014). Un consenso internazionale per la valutazione del disturbo dei giochi su Internet utilizzando il nuovo approccio DSM-5. Dipendenza 109 1399-1406. 10.1111 / add.12457 [PubMed] [Croce Ref]
Raymond JL, Lisberger SG, Mauk MD (1996). Il cervelletto: una macchina di apprendimento neuronale? Scienze 272 1126-1131. 10.1126 / science.272.5265.1126 [PubMed] [Croce Ref]
Stoodley CJ, Valera EM, Schmahmann JD (2012). Topografia funzionale del cervelletto per compiti motori e cognitivi: uno studio fMRI. Neuroimage 59 1560-1570. 10.1016 / j.neuroimage.2011.08.065 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Tao R., Huang X., Wang J. (2008). Un criterio proposto per la diagnosi clinica della dipendenza da internet. Med. J. Chin. Popolo Liberat. Esercito 33 1188-1191.
Tao R., Huang X., Wang J., Zhang H., Zhang Y., Li M. (2010). Proposto criteri diagnostici per la dipendenza da internet. Dipendenza 105 556-564. 10.1111 / j.1360-0443.2009.02828.x [PubMed] [Croce Ref]
Van Rooij AJ, Schoenmakers TM, Vermulst AA, Van den Eijnden RJJM, Van de Mheen D. (2011). Dipendenza da videogiochi online: identificazione di giocatori adolescenti dipendenti. Dipendenza 106 205-212. 10.1111 / j.1360-0443.2010.03104.x [PubMed] [Croce Ref]
Weinstein A., Lejoyeux M. (2015). Nuovi sviluppi sui meccanismi neurobiologici e farmacologici genetici alla base della dipendenza da Internet e dai videogiochi. Am. J. Addict. 24 117-125. 10.1111 / ajad.12110 [PubMed] [Croce Ref]
Weng C.-B., Qian R.-B., Fu X.-M., Lin B., Han X.-P., Niu C.-S., et al. (2013). Materie grigie e anormalità della sostanza bianca nella dipendenza dai giochi online. Euro. J. Radiol. 82 1308-1312. 10.1016 / j.ejrad.2013.01.031 [PubMed] [Croce Ref]
Xu S.-H. (2013). Addicts Internet '. Impulsività del comportamento: prove del gioco d'azzardo iowa: impulsività del comportamento dei tossicodipendenti di Internet: prove del gioco d'azzardo iowa. Acta Psychol. sinica 44 1523-1534.
Yan C., Zang Y. (2010). DPARSF: un toolbox matlab per l'analisi dei dati "pipeline" di fMRI a riposo. Davanti. Syst. Neurosci. 14: 13 10.3389 / fnsys.2010.00013 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Young KS (1998). Dipendenza da Internet: l'emergere di un nuovo disturbo clinico. Cyber Psychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Croce Ref]
Yu R., Chien Y.-L., Wang H.-LS, Liu C.-M., Liu C.-C., Hwang T.-J., et al. (2014). Alternanze specifiche della frequenza nell'ampiezza delle fluttuazioni a bassa frequenza nella schizofrenia. Ronzio. Mappatura del cervello. 35 627-637. 10.1002 / hbm.22203 [PubMed] [Croce Ref]
Yuan K., Jin C., Cheng P., Yang X., Dong T., Bi Y., et al. (2013). Ampiezza delle anomalie di fluttuazione a bassa frequenza negli adolescenti con dipendenza da gioco online. PLoS ONE 8: e78708 10.1371 / journal.pone.0078708 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
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]
Zang Y.-F., He Y., Zhu C.-Z., Cao Q.-J., Sui M.-Q., Liang M., et al. (2007a). Alterazione dell'attività cerebrale al basale in bambini con ADHD rilevata mediante risonanza magnetica funzionale a riposo. Brain Dev. 29 83-91. 10.1016 / j.braindev.2006.07.002 [PubMed] [Croce Ref]
Zang Y.-F., Yong H., Chao-Zhe Z., Qing-Jiu C., Man-Qiu S., Meng L., et al. (2007b). Alterazione dell'attività cerebrale al basale in bambini con ADHD rilevata mediante risonanza magnetica funzionale a riposo. Brain Dev. 29 83-91. 10.1016 / j.braindev.2006.07.002 [PubMed] [Croce Ref]
Zou Q.-H., Zhu C.-Z., Yang Y., Zuo X.-N., Long X.-Y., Cao Q.-J., et al. (2008). Un approccio migliore al rilevamento dell'ampiezza della fluttuazione a bassa frequenza (ALFF) per l'fMRI a riposo: ALFA frazionale. J. Neurosci. metodi 172 137-141. 10.1016 / j.jneumeth.2008.04.012 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Zuo X.-N., Di Martino A., Kelly C., Shehzad ZE, Gee DG, Klein DF, et al. (2010). Il cervello oscillante: complesso e affidabile. Neuroimage 49 1432-1445. 10.1016 / j.neuroimage.2009.09.037 [Articolo gratuito di PMC] [PubMed] [Croce Ref]