Anomalie della microstruttura negli adolescenti con disturbo da dipendenza da Internet. (2011)

Materiali e Metodi Top

Tutte le procedure di ricerca sono state approvate dalla sottocommissione per gli studi umani dell'ospedale della Cina occidentale e sono state condotte in conformità con la Dichiarazione di Helsinki.

Soggetti 2.1

Secondo i criteri modificati Young Diagnostic Questionnaire per Internet dipendenza (YDQ) di Beard and Wolf ,, ,, diciotto matricole e studenti del secondo anno con IAD (maschi 12, età media = 19.4 ± 3.1 anni, istruzione 13.4 ± 2.5 anni) sono stati coinvolti nel nostro studio. I criteri YDQ , consisteva delle seguenti otto domande "sì" o "no" che erano: (1) Ti senti assorto in Internet (ricorda la precedente attività online o la prossima sessione online desiderata)? (2) Ti senti soddisfatto con l'uso di Internet se aumenti la quantità di tempo online? (3) Non sei riuscito a controllare, ridurre o chiudere ripetutamente l'uso di Internet? (4) Ti senti nervoso, capriccioso, depresso o sensibile quando cerchi di ridurre o interrompere l'uso di Internet? (5) Rimani online più a lungo di quanto inizialmente previsto? (6) Hai mai preso il rischio di perdere una relazione significativa, lavoro, opportunità educative o di carriera a causa di Internet? (7) Hai mentito ai tuoi familiari, terapeuti o altri per nascondere la verità del tuo coinvolgimento con Internet? (8) Usi Internet come metodo per sfuggire ai problemi o alleviare uno stato d'animo ansioso (ad esempio, sentimenti di impotenza, colpevole, ansia o depressione)? Tutte e otto le domande sono state tradotte in cinese. Young ha affermato che cinque o più risposte "sì" alle otto domande indicavano un utente dipendente da Internet ,. Più tardi, Beard e Wolf hanno modificato i criteri YDQ ,e gli intervistati che hanno risposto "sì" alle domande da 1 a 5 e almeno a una qualsiasi delle tre domande rimanenti sono stati classificati come affetti da dipendenza da Internet, che è stata utilizzata per lo screening dei soggetti nel presente studio. La dipendenza è stata un processo graduale, quindi abbiamo studiato se c'erano o meno cambiamenti lineari nella struttura del cervello. La durata della malattia è stata stimata tramite una diagnosi retrospettiva. Abbiamo chiesto ai soggetti di ricordare il loro stile di vita quando erano inizialmente dipendenti da Internet. Per garantire che soffrissero di dipendenza da Internet, li abbiamo testati nuovamente con i criteri YDQ modificati da Beard and Wolf. Abbiamo anche confermato l'affidabilità delle auto-segnalazioni dei soggetti IAD parlando con i loro genitori via telefono. I soggetti IAD hanno dedicato 10.2 ± 2.6 ore al giorno al gioco online. I giorni di utilizzo di Internet a settimana erano 6.3 ± 0.5. Abbiamo anche verificato queste informazioni dai compagni di stanza e dai compagni di classe dei soggetti IAD che spesso hanno insistito per essere su Internet a tarda notte, sconvolgendo la vita degli altri nonostante le conseguenze. Diciotto età e sesso (p> 0.01) hanno partecipato al nostro studio anche controlli sani (12 maschi, età media = 19.5 ± 2.8 anni, istruzione 13.3 ± 2.0 anni) senza storia personale o familiare di disturbi psichiatrici. Secondo un precedente studio IAD ,, abbiamo scelto i controlli sani che hanno speso meno di 2 ore al giorno su Internet. I controlli sani sono stati testati anche con i criteri YDQ modificati da Beard e Wolf per garantire che non fossero affetti da IAD. Tutti i partecipanti reclutati erano madrelingua cinese, non avevano mai usato sostanze illegali e erano destrorsi. Prima della scansione con risonanza magnetica (MRI), è stato eseguito lo screening dei farmaci sulle urine su tutti i soggetti per escludere l'abuso di sostanze. I criteri di esclusione per entrambi i gruppi erano (1) l'esistenza di un disturbo neurologico; (2) alcol, nicotina o abuso di droghe; (3) gravidanza o periodo mestruale nelle donne; e (4) qualsiasi malattia fisica come tumore cerebrale, epatite o epilessia valutata in base a valutazioni cliniche e cartelle cliniche. Inoltre, sono state utilizzate la scala di ansia auto-valutazione (SAS) e la scala di depressione auto-valutazione (SDS) per valutare gli stati emotivi di tutti i partecipanti il ​​giorno delle scansioni. Tutti i pazienti e i controlli sani hanno dato il consenso informato scritto. Informazioni demografiche più dettagliate sono state fornite in Tabella 1.

Metodologia e analisi dei dati di 2.2 Brain Imaging

2.2.1 Parametri di scansione.

I dati di imaging sono stati eseguiti su uno scanner 3T Siemens (Allegra; Siemens Medical System) presso il Centro di ricerca MR Huaxi, Ospedale della Cina occidentale dell'Università di Sichuan, Chengdu, Cina. È stata utilizzata una bobina con testa di gabbia standard, insieme a blocchi di contenimento in schiuma per ridurre al minimo il movimento della testa e ridurre il rumore dello scanner. Le sequenze di immagini sono state acquisite mediante imaging pesato in diffusione con imaging planare eco a colpo singolo in allineamento con il piano commissurale antero-posteriore. Le immagini del tensore di diffusione sono state acquisite con medie 2. I gradienti di sensibilizzazione alla diffusione sono stati applicati lungo le direzioni non lineari 30 (b = 1000 s / mm²) insieme ad un'acquisizione senza peso di diffusione (b = 0 s / mm²). I parametri di imaging erano fette assiali continue 45 con uno spessore della fetta di 3 mm e nessuna distanza, campo visivo = 240 × 240 mm², tempo di ripetizione / tempo di eco = 6800 / 93 ms, matrice di acquisizione = 128 × 128. Inoltre, le immagini ponderate 3D T1 assiali sono state ottenute con una sequenza di richiamo del gradiente alterato e i seguenti parametri: TR = 1900 ms; TE = 2.26 ms; angolo di inversione = 9⁰; risoluzione della matrice nel piano = 256 × 256; slices = 176; campo visivo = 256 mm; formato voxel = 1 × 1 × 1 mm.

2.2.2 VBM.

I dati strutturali sono stati elaborati con un protocollo FSL-VBM ,, , con il software 4.1 di FSL ,. Innanzitutto, tutte le immagini T1 sono state estratte dal cervello utilizzando lo strumento di estrazione del cervello (BET) ,. Successivamente, la segmentazione del tipo di tessuto è stata eseguita utilizzando lo strumento di segmentazione automatica (FAST) V4.1 di FMRIB ,. Le immagini del volume parziale della materia grigia risultanti sono state quindi allineate allo spazio standard MNI152 utilizzando lo strumento di registrazione delle immagini lineare (FLIRT) di FMRIB ,, ,, seguito facoltativamente dalla registrazione non lineare utilizzando lo strumento di registrazione delle immagini non lineari (FNIRT) del FMRIB ,, ,, che utilizza una rappresentazione b-spline del campo di warp di registrazione ,. Le immagini risultanti sono state mediate per creare un modello specifico per lo studio, al quale le immagini native della materia grigia sono state quindi registrate non linearmente. Il protocollo ottimizzato ha introdotto una modulazione per la contrazione / l'allargamento dovuta alla componente non lineare della trasformazione: ogni voxel dell'immagine della sostanza grigia registrata è stato diviso dal campo Jacobp del warp. Infine, per scegliere il miglior kernel di smoothing, tutte le immagini del volume di materia grigia normalizzate 32 sono state uniformate con kernel gaussiani isotropici di dimensioni crescenti (sigma = 2.5, 3, 3.5 e 4 mm, corrispondenti a 6, 7, 8 e 9.2 mm FWHM rispettivamente). I cambiamenti regionali nella materia grigia sono stati valutati utilizzando test non parametrici basati su permutazione con permutazioni casuali 5000 ,. L'analisi della covarianza (ANCOVA) è stata impiegata con l'età, gli effetti di genere e il volume intracranico totale come covariate. Il volume totale intracranico è stato calcolato come somma di materia grigia, materia bianca e volumi di liquido cerebrospinale dalle segmentazioni BET di FSL. Di recente, Dong et al. hanno trovato che i punteggi di depressione e ansia erano significativamente più alti dopo la dipendenza rispetto a prima della dipendenza in alcuni studenti universitari, e hanno suggerito che questi erano esiti di IAD, quindi SAS e SDS non erano inclusi come confound ,. La correzione per confronti multipli è stata effettuata utilizzando un metodo di soglia basato su cluster, con un cluster iniziale che forma una soglia at = 2.0. I risultati sono stati considerati significativi per p<0.05. Per le regioni in cui i soggetti IAD mostravano un volume di materia grigia significativamente diverso dai controlli, i volumi di materia grigia di queste aree sono stati estratti, mediati e regrediti rispetto alla durata della dipendenza da Internet.

2.2.3 DTI.

Abbiamo calcolato il valore di FA per ciascun voxel, che rifletteva il grado di anisotropia di diffusione all'interno di un voxel (intervallo 0-1, dove valori più piccoli indicavano maggiore diffusione isotropica e minore coerenza e valori elevati indicavano dipendenza direzionale del moto browniano a causa di tratti di sostanza bianca) ,. Il software FDT in FSL 4.1 è stato utilizzato per il calcolo FA ,. Prima di tutto, la correzione per correnti parassite e movimento della testa è stata effettuata mediante registrazione affine sul primo volume ponderato di non diffusione di ciascun soggetto. Le immagini FA sono state create adattando il tensore di diffusione ai dati di diffusione grezzi dopo l'estrazione del cervello mediante BET ,. Quindi, un'analisi statistica voxel dei dati FA è stata effettuata utilizzando la parte V1.2 della FSL basata sulle statistiche spaziali (TBSS) del tratto ,, ,. Le immagini di FA di tutti i soggetti (soggetti IAD e controlli sani) sono state riallineate in un'immagine dello spazio standard FMRIB58_FA di FNIRT ,, , utilizzando una rappresentazione b-spline del campo di warp di registrazione ,. L'immagine FA media è stata quindi creata e assottigliata per creare uno scheletro FA medio (soglia di 0.2) che rappresenta i centri di tutti i tratti comuni al gruppo. I dati di FA allineati di ciascun soggetto sono stati quindi proiettati di nuovo su questo scheletro. Le variazioni del valore FA della sostanza bianca sono state valutate utilizzando test non parametrici basati sulla permutazione , con permutazioni casuali 5000. L'ANCOVA è stata impiegata con l'età e gli effetti di genere come covariate. La correzione per confronti multipli è stata effettuata utilizzando un metodo di soglia basato su cluster, con una soglia di formazione iniziale di cluster di t = 2.0. I risultati sono stati considerati significativi per p<0.05. Per i cluster in cui i soggetti con dipendenza da Internet mostravano valori di FA significativamente diversi dai controlli, la FA di queste regioni del cervello è stata estratta, mediata e regredita rispetto alla durata della dipendenza da Internet.

2.2.4 Interazione tra la materia grigia e le anomalie della sostanza bianca.

Per studiare le interazioni tra le alterazioni della materia grigia e le alterazioni della materia bianca, è stata eseguita un'analisi di correlazione tra i volumi anomali di materia grigia e i valori FA di sostanza bianca nel gruppo IAD.

Risultati

Risultati 3.1 VBM

Le variazioni regionali del volume di materia grigia sono state valutate in modo non parametrico utilizzando il VBM ottimizzato. La correzione per confronti multipli è stata effettuata utilizzando un metodo di soglia basato su cluster. Il confronto VBM tra soggetti IAD e controlli sani abbinati indicava diminuzione del volume di materia grigia in diversi gruppi, cioè la DLPFC bilaterale, l'area motoria supplementare (SMA), l'OFC, il cervelletto e l'ACC rostrale sinistro (rACC), dopo aver controllato il potenziale di confusione variabili incluse età, effetti di genere e volume intracranico totale. I volumi di materia grigia della DLPFC destra, il rACC di sinistra e la SMA destra hanno mostrato una correlazione negativa con mesi di dipendenza da Internet (r1 = -0.7256, p1 <0.005; r2 = −0.7409, p2 <0.005; r3 = −0.6451, p3 <0.005). Nessuna regione del cervello ha mostrato un volume di materia grigia più elevato rispetto ai controlli sani, come mostrato in Figure 1 ed Tabella 2

  

 

 

 

 

 

 

 

 

 

Immagine 1. Risultati VBM.

A. Volume ridotto di materia grigia nei soggetti IAD, (1-p) corretto p-valore di immagini. L'immagine di sfondo è il modello standard MNI152_T1_1mm_brain in FSL. B. I volumi di materia grigia di DLPFC, rACC e SMA erano correlati negativamente alla durata della dipendenza da Internet.

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Tabella 2. Regioni che mostravano un volume anomalo di materia grigia e FA bianco (anisotropia frazionale) tra soggetti con disturbo da dipendenza da Internet (IAD) e controlli sani (p<0.05 corretto).

doi: 10.1371 / journal.pone.0020708.t002

Risultati 3.2 DTI

Per quanto riguarda l'analisi dei dati DTI, la correzione per confronti multipli è stata effettuata utilizzando il metodo di soglia basato su cluster. I nostri risultati TBSS hanno rivelato un valore FA migliorato (IAD: 0.78 ± 0.04; controllo: 0.56 ± 0.02) dell'arto posteriore sinistro della capsula interna (PLIC) nei soggetti IAD rispetto ai controlli sani e ridotto valore FA (IAD: 0.31 ± 0.04; controllo: 0.48 ± 0.03) nella materia bianca all'interno del giro parahippocampale destro (PHG) come mostrato in Figure 2 ed Tabella 2. Inoltre, la FA tendeva a correlarsi positivamente con la durata della dipendenza da Internet nella PLIC sinistra (r = 0.5869, p <0.05), mentre non è stata osservata alcuna correlazione significativa tra il valore FA del PHG corretto e la durata della dipendenza da Internet

  

 

 

 

 

 

 

 

 

 

 

 

 

Immagine 2. Risultati DTI.

A. Strutture della sostanza bianca che mostrano FA anormale nei soggetti IAD, (1-p) corretto p-valore di immagini. L'immagine di sfondo è il modello standard FMRIB58_FA_1mm in FSL. I voxel rosso-giallo rappresentano le regioni in cui la FA è stata significativamente ridotta in IAD rispetto ai controlli sani. Voxel Blue-Light Blue rappresentano FA aumentato in IAD. B. L'AF del PLIC era correlata positivamente con la durata della dipendenza da Internet.

doi: 10.1371 / journal.pone.0020708.g002

3.3 Interazione tra la materia grigia e le anomalie della sostanza bianca

L'analisi di interazione tra volumi di materia grigia e valori di FA di materia bianca nel gruppo IAD ha rivelato che non vi erano correlazioni significative tra queste due misure.

Discussione Top

La IAD ha comportato un indebolimento del benessere psicologico individuale, dell'insuccesso scolastico e una ridotta performance lavorativa tra gli adolescenti ,-,. Tuttavia, attualmente non esiste un trattamento standardizzato per la IAD. Lo sviluppo di metodi efficaci per l'intervento e il trattamento della IAD richiederà prima di stabilire una chiara comprensione dei meccanismi. La consapevolezza delle anomalie strutturali del cervello in IAD è fondamentale per identificare possibili terapie farmacologiche per trattare questo disturbo. Nel presente studio, abbiamo scoperto variazioni di volume della materia grigia e cambiamenti di FA nella materia bianca negli adolescenti con IAD. Abbiamo anche rivelato l'associazione tra queste anomalie strutturali e la durata della dipendenza da Internet. Abbiamo suggerito che la IAD abbia portato a cambiamenti strutturali del cervello negli adolescenti e queste anomalie strutturali erano probabilmente associate a menomazioni funzionali del controllo cognitivo.

Risultati 4.1 VBM

Coerente con un precedente studio VBM ,, non abbiamo trovato regioni del cervello che mostrassero un aumento del volume della materia grigia in soggetti con dipendenza da Internet. Il confronto del volume di materia grigia regionale indicava un'atrofia all'interno di diversi cluster per l'intero gruppo di tossicodipendenti (p <0.05, corretto), che erano DLPFC bilaterale, SMA, cervelletto, OFC e rACC sinistro (come mostrato in Figure 1 ). Inoltre, l'atrofia del DLPFC di destra, il rACC di sinistra e il SMA di destra erano negativamente correlati con la durata della dipendenza da internet, che Zhou et al. non è riuscito a rilevare ,. Questi risultati hanno dimostrato che con il persistere della dipendenza da Internet, l'atrofia cerebrale di DLPFC, rACC e SMA era più grave. Alcuni risultati dell'atrofia cerebrale nel nostro studio erano diversi da quelli precedenti ,, che può essere dovuto ai diversi metodi di elaborazione dei dati. Nel presente studio, i possibili effetti confondenti dell'età, del genere e dell'intero volume cerebrale sono stati inclusi come covariate, che lo studio precedente non è riuscito a prendere in considerazione. I diversi metodi di elaborazione hanno dato origine ai diversi risultati.

Secondo precedenti studi di tossicodipendenza, abuso di sostanze a lungo termine ,, , e la dipendenza da internet ,, , porterà ad un controllo cognitivo alterato. Il controllo cognitivo può essere concettualizzato come la capacità di sopprimere le risposte prepotenti ma errate e la capacità di filtrare le informazioni irrilevanti all'interno di un set di stimoli e consentire azioni appropriate per soddisfare richieste di compiti complicati e adattarsi agli ambienti in evoluzione ,. Numerosi studi funzionali di imaging cerebrale hanno rivelato che il DLPFC e il rACC erano coinvolti a livello centrale nel controllo cognitivo ,, ,. Diversi studi neurocognitivi hanno rivelato che il controllo cognitivo è correlato a un circuito cortico-sottocorticale specifico, incluso il rACC e il DLPFC ,, ,. Secondo un'ipotesi importante di monitoraggio dei conflitti ,, ,, il verificarsi del conflitto di risposta è segnalato dal rACC, che porta al reclutamento del DLPFC per un maggiore controllo cognitivo per le prestazioni successive. Questo importante ruolo della DLPFC è stato identificato nella ricerca sulle neuroscienze con processi regolatori top-down del controllo cognitivo ,. Recenti studi di neuroimaging hanno anche rivelato la disattivazione del rACC in un compito GO / NOGO in soggetti dipendenti dall'eroina ,, , e gli utenti di cocaina ,, indicando il ruolo critico del rACC nel controllo cognitivo ,.

Si ritiene inoltre che l'OFC contribuisca al controllo cognitivo del comportamento diretto agli obiettivi attraverso la valutazione del significato motivazionale degli stimoli e la selezione del comportamento per ottenere i risultati desiderati ,. L'OFC ha estese connessioni con le regioni striato e limbico (come l'amigdala). Di conseguenza, l'OFC è ben posizionato per integrare l'attività di diverse aree limbiche e sottocorticali associate al comportamento motivazionale e all'elaborazione del premio ,. Alcuni studi su animali hanno dimostrato che il danno sia all'OFC sia alla corteccia prelimbica di ratto (l'omologo funzionale della DLPFC umana) comprometteva l'acquisizione e la modifica di comportamenti guidati da contingenze tra risposte e risultati, indicando che queste regioni possono essere cruciali per il controllo cognitivo del comportamento diretto verso l'obiettivo ,, ,.

La SMA è fondamentale per la selezione del comportamento appropriato, sia che si scelga di eseguire una risposta appropriata o che selezioni per inibire una risposta inappropriata ,. Alcuni ricercatori hanno rilevato che sia le attività GO / NOGO semplici che complesse sono state coinvolte nella SMA e hanno rivelato l'importante ruolo della SMA nella mediazione del controllo cognitivo ,, ,.

Diversi studi di imaging anatomico, fisiologico e funzionale suggeriscono che il cervelletto contribuisce alle funzioni cognitive di ordine superiore ,-,con lesioni discrete al cervelletto con conseguente compromissione delle funzioni esecutive e della memoria di lavoro, anche in cambiamenti di personalità come comportamenti disinibiti e inappropriati.

I nostri risultati (Figure 1 ) del volume ridotto di materia grigia nella DLPFC, rACC, OFC, SMA e il cervelletto possono essere, almeno in parte, associati al controllo cognitivo e alle disfunzioni comportamentali determinate dagli obiettivi nella dipendenza da Internet ,, ,, ,, ,, che può spiegare i sintomi fondamentali della dipendenza da internet.

Risultati 4.2 DTI

Abbiamo calcolato il valore di FA in ciascun voxel di materia bianca per ciascun soggetto, che ha quantificato la forza della direzionalità della microstruttura del tratto locale. L'intero confronto tra cervello e voxel sullo scheletro della materia bianca mediante test di permutazione e soglie statistiche rigorose indicava che i soggetti IAD avevano valori FA inferiori in un cluster all'interno del PHG corretto (p <0.05, corretto). D'altra parte, la ricerca di un aumento dell'AF nei soggetti IAD ha mostrato che i soggetti IAD avevano valori di FA più alti in un cluster all'interno del PLIC sinistro (p <0.05, corretto). Inoltre, il valore FA del PLIC sinistro era positivamente correlato con la durata della dipendenza da Internet (Figure 2 ).

Il PHG è una regione del cervello che circonda l'ippocampo e svolge un ruolo importante nella codifica e nel recupero della memoria ,, ,. Il PHG fornisce il principale input polisensoriale all'ippocampo attraverso le connessioni entorinali ed è il destinatario di diverse combinazioni di informazioni sensoriali ,, ,, che sono coinvolti nella cognizione e regolazione emotiva ,. Recentemente, alcuni ricercatori hanno suggerito che il PHG giusto contribuisca alla formazione e al mantenimento di informazioni legate nella memoria di lavoro ,. La memoria di lavoro è dedicata alla memorizzazione temporanea e alla manipolazione on-line delle informazioni ed è fondamentale per il controllo cognitivo ,. La scoperta che il valore FA inferiore del PHG nei soggetti IAD ha dimostrato che proprietà anormali della sostanza bianca possono essere la base strutturale dei deficit funzionali della memoria di lavoro nei soggetti IAD ,. Di recente, Liu et al. , riferito aumento ReHo nel PHG bilaterale in studenti universitari IAD rispetto ai controlli e suggerito questo risultato riflette il cambiamento funzionale nel cervello, possibilmente in relazione ai percorsi di ricompensa. Evidentemente, è necessario più lavoro per capire il ruolo esatto del PHG in IAD.

Anatomicamente, la capsula interna è un'area di sostanza bianca nel cervello che separa il nucleo caudato e il talamo dal nucleo lenticolare, che contiene sia assoni ascendenti che discendenti. Oltre alle fibre corticospinale e corticopontina, la capsula interna contiene fibre talamocorticali e corticofugali ,, ,. L'arto posteriore della capsula interna contiene fibre corticospinali, fibre sensoriali (incluso il lemnisco mediale e il sistema anterolaterale) dal corpo e alcune fibre corticobulbariche ,-,. La corteccia motoria primaria invia i suoi assoni attraverso l'arto posteriore della capsula interna e svolge un ruolo importante nel movimento delle dita e nelle immagini motorie ,, ,. La possibile ragione per i valori di FA nell'amplificazione interna della capsula era che i soggetti IAD passavano più tempo a giocare con i giochi per computer e le azioni ripetitive del motore, come il clic del mouse e la digitazione della tastiera, modificavano la struttura della capsula interna. Come i risultati che l'allenamento ha modificato la struttura del cervello in altri studi ,-,, questa formazione a lungo termine probabilmente ha cambiato la struttura della materia bianca del PLIC. La trasmissione di informazioni tra regioni cerebrali frontali e subcorticali modulava il funzionamento cognitivo superiore e i comportamenti umani ,, ,, che faceva affidamento sui tratti di fibre della materia bianca che passavano attraverso la capsula interna ,, ,. Anomalie strutturali nella capsula interna potrebbero di conseguenza interferire con la funzione cognitiva e compromettere le funzioni esecutive e di memoria ,. Il valore FA anormale del PLIC sinistro può influenzare il trasferimento e l'elaborazione delle informazioni sensoriali e infine portare a compromissioni nel controllo cognitivo ,, ,. Inoltre, essere dipendenti da Internet può causare disagio fisico o problemi medici come: sindrome del tunnel carpale, secchezza degli occhi, mal di schiena e forti mal di testa ,-,. Il valore anormale di FA del PLIC sinistro può spiegare la sindrome del tunnel carpale nei soggetti IAD, che deve essere verificata con un design più sofisticato in futuro.

4.3 Interazione tra la materia grigia e le anomalie della sostanza bianca

Abbiamo studiato la relazione tra la materia grigia e le alterazioni della sostanza bianca. Sfortunatamente, non c'erano correlazioni significative tra queste due misure. Questo fenomeno ha suggerito che i cambiamenti morfologici della IAD sulla materia grigia e sulla sostanza bianca del cervello non erano significativamente correlati in modo lineare. Esisteva la possibilità che le anomalie della materia grigia collegassero le alterazioni della sostanza bianca in qualche altro modo. Tuttavia, i nostri risultati hanno dimostrato che le caratteristiche della struttura della materia grigia e della sostanza bianca erano anormali negli adolescenti con IAD.

Ci sono alcune limitazioni dell'attuale studio. Prima di tutto, mentre i nostri risultati hanno indicato che i cambiamenti della materia grigia e della sostanza bianca possono essere la conseguenza di un uso eccessivo di Internet o di IAD, non possiamo escludere un'altra possibilità che affronti la differenza strutturale tra i controlli normali e IAD che potrebbe essere il causa dell'uso eccessivo di Internet. Le caratteristiche anormali di queste regioni cerebrali legate al controllo cognitivo in alcuni adolescenti le rendono relativamente immature e consentono loro di essere facilmente dipendenti da Internet. I problemi di causa e conseguenza dovrebbero essere studiati da un disegno sperimentale più completo nello studio futuro. Tuttavia, abbiamo suggerito che i risultati del presente studio fossero la conseguenza della IAD. In secondo luogo, per quanto riguarda la relazione tra i cambiamenti strutturali e la durata della IAD, i mesi della IAD sono una caratterizzazione grossolana dal ricordo dei soggetti IAD. Abbiamo chiesto ai soggetti di ricordare il loro stile di vita quando erano inizialmente dipendenti da Internet. Per garantire che soffrissero di dipendenza da Internet, li abbiamo testati nuovamente con i criteri YDQ modificati da Beard and Wolf. Abbiamo anche confermato l'attendibilità delle auto-segnalazioni dei soggetti IAD parlando con i loro genitori al telefono. I cambiamenti strutturali del cervello in accordo con il processo di dipendenza possono essere più cruciali nella comprensione della malattia, quindi è stata effettuata la correlazione tra la durata e le misure strutturali del cervello. Queste correlazioni hanno suggerito che gli effetti cumulativi sono stati trovati nel volume ridotto della materia grigia del DLPFC destro, dello SMA destro, del rACC sinistro e dell'aumento della sostanza bianca FA nel PLIC sinistro. Infine, sebbene abbiamo suggerito che le anomalie strutturali del volume della materia grigia e della sostanza bianca FA fossero associate a menomazioni funzionali nel controllo cognitivo nella IAD, la più grande limitazione del presente studio è la mancanza di indicazione quantitativa dei deficit nel controllo cognitivo in questi adolescenti con IAD. Sebbene le relazioni tra queste anomalie strutturali e la durata della dipendenza da Internet siano state verificate nel nostro studio attuale, è ancora necessario ricercare in modo più dettagliato in futuro la piena caratterizzazione della natura delle anomalie strutturali sottostanti nello IAD, il che è fondamentale per comprendere l'impatto di IAD sul funzionamento a lungo termine. In futuro, integreremo questi risultati strutturali con le prestazioni comportamentali dei compiti cognitivi in ​​soggetti con IAD. Nel complesso, i cambiamenti di FA e i cambiamenti di volume della materia grigia come mostrato nel presente studio hanno indicato un'alterazione nel cervello a livello microstrutturale, che ha migliorato la nostra comprensione della IAD.

Conclusione

Abbiamo fornito evidenze che indicano che i soggetti IAD avevano molteplici cambiamenti strutturali nel cervello. L'atrofia della materia grigia e la sostanza bianca I cambiamenti di alcune regioni del cervello sono stati significativamente correlati con la durata della dipendenza da Internet. Questi risultati possono essere interpretati, almeno in parte, come la compromissione funzionale del controllo cognitivo in IAD. Le anormalità della corteccia prefrontale erano coerenti con precedenti studi sull'abuso di sostanze ,, ,, ,, ,, quindi abbiamo suggerito che potrebbero esistere meccanismi parzialmente sovrapposti in IAD e uso di sostanze. Speravamo che i nostri risultati potessero migliorare la nostra comprensione della IAD e contribuire a migliorare la diagnosi e la prevenzione della IAD.

Ringraziamenti Top

Vorremmo ringraziare Qin Ouyang, Qizhu Wu e Junran Zhang per la preziosa assistenza tecnica nel condurre questa ricerca.

Riferimenti Top

1. Ernst M, Pine D, Hardin M (2006) Modello triadico della neurobiologia del comportamento motivato nell'adolescenza. Medicina psicologica 36: 299-312. Trova questo articolo online
2. Csikszentmihalyi M, Larson R, Prescott S (1977) L'ecologia dell'attività e dell'esperienza degli adolescenti. Rivista di gioventù e adolescenza 6: 281-294. Trova questo articolo online
3. Casey B, Tottenham N, Liston C, Durston S (2005) Immagine del cervello in via di sviluppo: cosa abbiamo imparato sullo sviluppo cognitivo? Tendenze nelle scienze cognitive 9: 104-110. Trova questo articolo online
4. Casey B, Galvan A, Hare T (2005) Cambiamenti nell'organizzazione funzionale cerebrale durante lo sviluppo cognitivo. Opinione corrente in neurobiologia 15: 239-244. Trova questo articolo online
5. Ernst M, Nelson E, Jazbec S, McClure E, Monaco C, et al. (2005) L'amigdala e il nucleo accumbens nelle risposte alla ricezione e all'omissione dei guadagni negli adulti e negli adolescenti. Neuroimage 25: 1279-1291. Trova questo articolo online
6. May J, Delgado M, Dahl R, Stenger V, Ryan N, et al. (2004) Imaging funzionale a risonanza magnetica correlato all'evento di circuiti cerebrali correlati alla ricompensa in bambini e adolescenti. Psichiatria biologica 55: 359-366.
7. Galvan A, Hare T, Parra C, Penn J, Voss H, et al. (2006) Lo sviluppo precedente dell'accumbens relativo alla corteccia orbitofrontale potrebbe essere alla base del comportamento a rischio negli adolescenti. Journal of Neuroscience 26: 6885-6892. Trova questo articolo online
8. Steinberg L (2005) Sviluppo cognitivo e affettivo nell'adolescenza. Tendenze nelle scienze cognitive 9: 69-74. Trova questo articolo online
9. Pine D, Cohen P, Brook J (2001) Reattività emotiva e rischio di psicopatologia tra gli adolescenti. Spettri CNS 6: 27-35. Trova questo articolo online
10. Silveri M, Tzilos G, Pimentel P, Yurgelun-Todd D (2004) Traiettorie sullo sviluppo emotivo e cognitivo dell'adolescente: effetti del sesso e rischio di uso di droghe. Annali dell'Accademia delle Scienze di New York 1021: 363-370. Trova questo articolo online
11. Cao F, Su L, Liu T, Gao X (2007) La relazione tra impulsività e dipendenza da Internet in un campione di adolescenti cinesi. Psichiatria europea 22: 466-471. Trova questo articolo online
12. Ko C, Yen J, Chen S, Yang M, Lin H, et al. (2009) Criteri diagnostici proposti e lo strumento di screening e diagnosi della dipendenza da Internet negli studenti universitari. Psichiatria completa 50: 378-384. Trova questo articolo online
13. Flisher C (2010) Come collegarsi: una panoramica della dipendenza da Internet. Journal of Pediatrics and Child Health 46: 557-559. Trova questo articolo online
14. Dipendenza da Internet Christakis D (2010): un'epidemia 21 del secolo? Medicina BMC 8: 61. Trova questo articolo online
15. Chou C, Condron L, Belland J (2005) Una rassegna della ricerca sulla dipendenza da Internet. Rassegna di psicologia educativa 17: 363-388. Trova questo articolo online
16. Young K (1998) Dipendenza da Internet: l'emergere di un nuovo disturbo clinico. CyberPsychology & Behavior 1: 237–244. Trova questo articolo online
17. Morahan-Martin J, Schumacher P (2000) Incidenza e correlati di uso patologico di Internet tra studenti universitari. Computer nel comportamento umano 16: 13-29. Trova questo articolo online
18. Scherer K (1997) Vita universitaria on-line: uso Internet salutare e malsano. Journal of College Student Development 38: 655-665. Trova questo articolo online
19. Ko C, Liu G, Hsiao S, Yen J, Yang M, et al. (2009) Attività cerebrali associate alla voglia di giocare della dipendenza da gioco online. Rivista di ricerca psichiatrica 43: 739-747. Trova questo articolo online
20. Dong G, Lu Q, Zhou H, Zhao X (2010) Inibizione degli impulsi nelle persone con disturbo da dipendenza da Internet: prove elettrofisiologiche da uno studio Go / NoGo. Lettere di neuroscienza 485: 138-142. Trova questo articolo online
21. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2009) Anomalie della materia grigia nella dipendenza da Internet: uno studio di morfometria basato su voxel. European Journal of Radiology. doi:10.1016 / j.ejrad.2009.1010.1025.
22. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. (2010) Aumento dell'omogeneità regionale nel disturbo da dipendenza da Internet: uno studio di risonanza magnetica funzionale a riposo. Giornale medico cinese 123: 1904-1908. Trova questo articolo online
23. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Deficit della materia grigia e anomalie dello stato di riposo in soggetti astinenti dipendenti dall'eroina. Lettere di neuroscienza 482: 101-105. Trova questo articolo online
24. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Reti funzionali cerebrali di piccolo mondo alterate e durata dell'uso di eroina in soggetti asintomatici maschi dipendenti dall'eroina. Lettere di neuroscienza 477: 37-42. Trova questo articolo online
25. Yuan K, Qin W, Dong M, Liu J, Liu P, et al. (2010) Combinando le informazioni spaziali e temporali per esplorare i cambiamenti delle reti dello stato di riposo in soggetti astinenti dipendenti dall'eroina. Lettere di neuroscienza 475: 20-24. Trova questo articolo online
26. Liu J, Liang J, Qin W, Tian J, Yuan K, et al. (2009) Schemi di connettività disfunzionali negli utilizzatori di eroina cronica: uno studio fMRI. Lettere di neuroscienza 460: 72-77. Trova questo articolo online
27. Volkow N, Fowler J, Wang G (2003) Il cervello umano dipendente: intuizioni da studi di imaging. Journal of Clinical Investigation 111: 1444-1451. Trova questo articolo online
28. Ko C, Hsiao S, Liu G, Yen J, Yang M, et al. (2010) Le caratteristiche del processo decisionale, il potenziale per assumere rischi e la personalità degli studenti universitari con dipendenza da Internet. Ricerca sulla psichiatria 175: 121-125. Trova questo articolo online
29. Beard K, Wolf E (2001) Modifica nei criteri diagnostici proposti per la dipendenza da Internet. CyberPsychology & Behavior 4: 377–383. Trova questo articolo online
30. Ashburner J, Friston K (2000) Morfometria a base di voxel: i metodi. Neuroimage 11: 805-821. Trova questo articolo online
31. Good C, Johnsrude I, Ashburner J, Henson R, Fristen K, et al. (2001) Uno studio morfometrico basato su voxel dell'invecchiamento nei cervelli umani adulti 465 normali. Neuroimage 14: 21-36. Trova questo articolo online
32. Smith S, Jenkinson M, Woolrich M, Beckmann C, Behrens T, et al. (2004) Progressi nell'analisi e nell'implementazione delle immagini MR funzionali e strutturali come FSL. Neuroimage 23: 208-219. Trova questo articolo online
33. Smith S (2002) Estrazione del cervello automatizzata rapida e robusta. Mappatura del cervello umano 17: 143-155. Trova questo articolo online
34. Zhang Y, Brady M, Smith S (2001) Segmentazione delle immagini RM cerebrali attraverso un modello di campo casuale Markov nascosto e l'algoritmo di massimizzazione delle aspettative. Transazioni IEEE su imaging medico 20: 45-57. Trova questo articolo online
35. Jenkinson M, Smith S (2001) Un metodo di ottimizzazione globale per una robusta registrazione affine delle immagini cerebrali. Analisi delle immagini mediche 5: 143-156. Trova questo articolo online
36. Jenkinson M, Bannister P, Brady M, Smith S (2002) Ottimizzazione migliorata per la registrazione lineare e robusta e la correzione del movimento delle immagini cerebrali. Neuroimage 17: 825-841. Trova questo articolo online
37. Andersson J, Jenkinson M, Smith S (2007) Ottimizzazione non lineare. Report tecnici del gruppo di analisi FMRIB: TR07JA02 da www.fmrib.ox.ac.uk/analysis/techrep.
38. Andersson J, Jenkinson M, Smith S (2007) Registrazione non lineare, ovvero normalizzazione spaziale. Report tecnici del gruppo di analisi FMRIB: TR07JA02 da www.fmrib.ox.ac.uk/analysis/techrep.
39. Rueckert D, Sonoda L, Hayes C, Hill D, Leach M, et al. (2002) Registrazione non rigida mediante deformazioni a forma libera: applicazione alle immagini RM del seno. Transazioni IEEE su imaging medico 18: 712-721. Trova questo articolo online
40. Nichols T, Holmes A (2002) Test di permutazione non parametrica per neuroimaging funzionale: un primer con esempi. Mappatura del cervello umano 15: 1-25. Trova questo articolo online
41. Dong G, Lu Q, Zhou H, Zhao X, Miles J (2011) Precursore o Sequela: Disturbi patologici nelle persone con Disturbo da dipendenza da Internet. PloS one 6: 306-307. Trova questo articolo online
42. Beaulieu C (2002) La base della diffusione dell'acqua anisotropa nel sistema nervoso: una revisione tecnica. NMR in Biomedicina 15: 435-455. Trova questo articolo online
43. Smith S, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols T, et al. (2006) Statistiche spaziali basate su tratti: analisi voxelwise di dati di diffusione multi-soggetto. Neuroimage 31: 1487-1505. Trova questo articolo online
44. Smith S, Johansen-Berg H, Jenkinson M, Rueckert D, Nichols T, et al. (2007) Acquisizione e analisi voxelwise di dati di diffusione multi-soggetto con statistiche spaziali basate sul tratto. Protocolli Nature 2: 499-503. Trova questo articolo online
45. Kaufman J, Ross T, Stein E, Garavan H (2003) Ipoattività della ciringa negli utilizzatori di cocaina durante un compito GO-NOGO come rivelato dalla risonanza magnetica funzionale correlata all'evento. Journal of Neuroscience 23: 7839-7843. Trova questo articolo online
46. Li C, Sinha R (2008) Controllo inibitorio e regolazione dello stress emotivo: prove di neuroimaging per disfunzione limbica frontale nella dipendenza da psico-stimolanti. Neuroscience & Biobehavioral Reviews 32: 581–597. Trova questo articolo online
47. Botvinick M, Braver T, Barch D, Carter C, Cohen J (2001) Monitoraggio dei conflitti e controllo cognitivo. Rassegna psicologica 108: 624-652. Trova questo articolo online
48. Krawczyk D (2002) Contributi della corteccia prefrontale alla base neurale del processo decisionale umano. Neuroscience & Biobehavioral Reviews 26: 631–664. Trova questo articolo online
49. Wilson S, Sayette M, Fiez J (2004) Le risposte prefrontali ai segnali farmacologici: un'analisi neurocognitiva. Nature Neuroscience 7: 211-214. Trova questo articolo online
50. Barber A, Carter C (2005) Controllo cognitivo coinvolto nel superamento delle tendenze di risposta prepotente e passaggio tra le attività. Corteccia cerebrale 15: 899-912. Trova questo articolo online
51. MacDonald A, Cohen J, Stenger V, Carter C (2000) Dissociando il ruolo della corteccia cingolata prefrontale e anteriore dorsolaterale nel controllo cognitivo. Science 288: 1835-1838. Trova questo articolo online
52. Botvinick M, Nystrom L, Fissell K, Carter C, Cohen J (1999) Monitoraggio del conflitto rispetto alla selezione per azione nella corteccia cingolata anteriore. Natura 402: 179-180. Trova questo articolo online
53. Vanderhasselt M, De Raedt R, Baeken C (2009) Corteccia prefrontale dorsolaterale e prestazioni di Stroop: affrontare la lateralizzazione. Bollettino psiconomico e revisione 16: 609–612. Trova questo articolo online
54. Forman S, Dougherty G, Casey B, Siegle G, Braver T, et al. (2004) I tossicodipendenti da oppiacei mancano dell'attivazione dipendente da errore del cingolo anteriore rostrale. Psichiatria biologica 55: 531-537. Trova questo articolo online
55. Fu L, Bi G, Zou Z, Wang Y, Ye E, et al. (2008) Funzione di inibizione della risposta alterata in eroina astinente dipendente: uno studio fMRI. Lettere di neuroscienza 438: 322-326. Trova questo articolo online
56. Rolls E (2000) La corteccia orbitofrontale e ricompensa. Corteccia cerebrale 10: 284-294. Trova questo articolo online
57. Groenewegen H, Uylings H (2000) La corteccia prefrontale e l'integrazione di informazioni sensoriali, limbiche e autonome. Progressi nella ricerca sul cervello 126: 3-28. Trova questo articolo online
58. Balleine B, Dickinson A (1998) Azione strumentale orientata allo scopo: apprendimento di contingenza e incentivi e loro substrati corticali. Neuropharmacology 37: 407-419. Trova questo articolo online
59. Simmonds D, Pekar J, Mostofsky S (2008) Meta-analisi di attività Go / No-go che dimostrano che l'attivazione della fMRI associata all'inibizione della risposta dipende dal compito. Neuropsychologia 46: 224-232. Trova questo articolo online
60. Ray Li C, Huang C, Constable R, Sinha R (2006) Inibizione della risposta all'imaging in un'attività di segnale di arresto: correlazioni neurali indipendenti dal monitoraggio del segnale e dall'elaborazione post-risposta. Journal of Neuroscience 26: 186-192. Trova questo articolo online
61. Raymond J, Lisberger S, Mauk M (1996) Il cervelletto: una macchina di apprendimento neuronale? Science 272: 1126-1131. Trova questo articolo online
62. Schmahmann J, Sherman J (1998) La sindrome affettiva cognitiva cerebellare. Cervello 121: 561-579. Trova questo articolo online
63. Desmond J (2001) Coinvolgimento cerebellare nella funzione cognitiva: evidenza da neuroimaging. Rassegna internazionale di Psichiatria 13: 283-294. Trova questo articolo online
64. Heyder K, Suchan B, Daum I (2004) Contributi cortico-sottocorticali al controllo esecutivo. Acta Psychologica 115: 271-289. Trova questo articolo online
65. Wagner A, Schacter D, Rotte M, Koutstaal W, Maril A, et al. (1998) Costruire ricordi: ricordare e dimenticare le esperienze verbali come predetto dall'attività cerebrale. Science 281: 1188-1191. Trova questo articolo online
66. Tulving E, Markowitsch H, Craik F, Habib R, Houle S (1996) Novità e familiarità attivate negli studi PET di codifica e recupero della memoria. Corteccia cerebrale 6: 71-79. Trova questo articolo online
67. Powell H, Guye M, Parker G, Symms M, Boulby P, et al. (2004) Dimostrazione non invasiva in vivo delle connessioni del giro parahippocampale umano. Neuroimage 22: 740-747. Trova questo articolo online
68. BURWELL R (2000) La regione parahippocampale: connettività corticocorticale. Annali dell'Accademia delle Scienze di New York 911: 25-42. Trova questo articolo online
69. Zhu X, Wang X, Xiao J, Zhong M, Liao J, et al. (2010) Alterata integrità della sostanza bianca nei giovani adulti nauseabondi del primo episodio con disturbo depressivo maggiore: studio di statistica spaziale basato sul tratto. Ricerca del cervello 1396: 223-229. Trova questo articolo online
70. Luck D, Danion J, Marrer C, Pham B, Gounot D, et al. (2010) Il giro paraippocampale di destra contribuisce alla formazione e al mantenimento di informazioni legate nella memoria di lavoro. Cervello e cognizione 72: 255-263. Trova questo articolo online
71. Engle R, Kane M (2003) Attenzione esecutiva, capacità di memoria di lavoro e una teoria a due fattori del controllo cognitivo. Psicologia dell'apprendimento e della motivazione 44: 145-199. Trova questo articolo online
72. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. Aumento dell'omogeneità regionale nel disturbo da dipendenza da Internet: studio di risonanza magnetica funzionale a riposo. Giornale medico cinese 123: 1904-1908. Trova questo articolo online
73. Genitore A, Carpenter M (1996) Neuroanatomia umana di Carpenter: Williams & Wilkins.
74. Wakana S, Jiang H, Nagae-Poetscher L, van Zijl P, Mori S (2004) Atlante a base di fibre di Human White Matter Anatomy1. Radiologia 230: 77-87. Trova questo articolo online
75. Andersen R, Knight P, Merzenich M (1980) Le coniglie talamocorticali e corticothalamic di AI, AII e il campo uditivo anteriore (AFF) nel gatto: Prove di due sistemi di connessioni in gran parte sergregartati. Il Journal of Comparative Neurology 194: 663-701. Trova questo articolo online
76. Winer J, Diehl J, Larue D (2001) Proiezioni della corteccia uditiva al corpo del genicolato mediale del gatto. Il Journal of Comparative Neurology 430: 27-55. Trova questo articolo online
77. Schnitzler A, Salenius S, Salmelin R, Jousm ki V, Hari R (1997) Coinvolgimento della corteccia motoria primaria nell'immaginario motorio: uno studio neuromagnetico. Neuroimage 6: 201-208. Trova questo articolo online
78. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Sia la corteccia motoria primaria che l'area motoria supplementare svolgono un ruolo importante nel complesso movimento del dito. Cervello 116: 1387-1398. Trova questo articolo online
79. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et al. (2004) Neuroplasticità: cambiamenti nella materia grigia indotti dall'allenamento. Natura 427: 311-312. Trova questo articolo online
80. Boyke J, Driemeyer J, Gaser C, Buchel C, May A (2008) La struttura cerebrale indotta dall'allenamento cambia negli anziani. Journal of Neuroscience 28: 7031-7035. Trova questo articolo online
81. Scholz J, Klein MC, Behrens TEJ, Johansen-Berg H (2009) La formazione induce cambiamenti nell'architettura della materia bianca. Nature Neuroscience 12: 1370-1371. Trova questo articolo online
82. Cummings JL (1993) Circuiti subcorticali frontali e comportamento umano. Archivi di neurologia 50: 873-880. Trova questo articolo online
83. Cummings JL (1995) Aspetti anatomici e comportamentali dei circuiti sottocorticali frontali. Annali dell'Accademia delle Scienze di New York 769: 1-14. Trova questo articolo online
84. Albin RL, Young AB, Penney JB (1989) L'anatomia funzionale dei disturbi dei gangli della base. Tendenze nelle neuroscienze 12: 366-375. Trova questo articolo online
85. Levitt JJ, Kubicki M, Nestor PG, Ersner-Hershfield H, Westin C, et al. (2010) Studio di imaging del tensore di diffusione dell'arto anteriore della capsula interna nella schizofrenia. Ricerca sulla psichiatria 184: 143-150. Trova questo articolo online
86. Werring D, Clark C, Barker G, Miller D, Parker G, et al. (1998) I meccanismi strutturali e funzionali del recupero motorio: uso complementare del tensore di diffusione e della risonanza magnetica funzionale in una lesione traumatica della capsula interna. Journal of Neurology, Neurosurgery & Psychiatry 65: 863–869. Trova questo articolo online
87. Niogi S, Mukherjee P, Ghajar J, Johnson C, Kolster R, et al. (2008) L'estensione della lesione da materiale bianco microstrutturale nella sindrome postconcussiva è correlata a un tempo di reazione cognitiva alterato: uno studio di imaging del tensore di diffusione 3T di lieve lesione cerebrale traumatica. American Journal of Neuroradiology 29: 967-973. Trova questo articolo online
88. Dipendenza da Internet Young K (1999): sintomi, valutazione e trattamento. Innovazioni nella pratica clinica: un libro sorgente 17: 19-31. Trova questo articolo online
89. Beard K (2005) Internet addiction: una rassegna delle attuali tecniche di valutazione e potenziali domande di valutazione. CyberPsicologia e comportamento 8: 7-14. Trova questo articolo online
90. Culver J, Gerr F, Frumkin H (1997) Informazioni mediche su Internet. Journal of General Internal Medicine 12: 466-470.