Chong-Yaw Wee vienlīdzīgs ieguldītājs, Zhimin Zhao vienlīdzīgs ieguldītājs, Pew-Thian Yap, Guorong Wu Feng Shi, Patiesa cena, Yasong Du Jianrong Xu Yan Zhou pasts, Dinggang Shen pasts
Publicēts: septembris 16, 2014
DOI: 10.1371 / journal.pone.0107306
Anotācija
Interneta atkarības traucējumi (IAD) arvien vairāk tiek atzīti par garīgās veselības traucējumiem, īpaši pusaudžu vidū. Tomēr ar IAD saistīta patoģenēze paliek neskaidra. Šajā pētījumā mēs cenšamies izpētīt IAD pusaudžu encefalisko funkcionālo īpašību atpūtu, izmantojot funkcionālos magnētiskās rezonanses attēlveidošanas datus. Mēs pieņēmām grafiku teorētisku pieeju, lai izpētītu iespējamos funkcionālā savienojuma traucējumus attiecībā uz tīkla īpašībām, tostarp mazās pasaules, efektivitātes un mezgla centrālo stāvokli 17 pusaudžiem ar IAD un 16 sociāli demogrāfiski atbilstošām veselīgām kontrolēm. Lai novērtētu grupas līmeņa tīkla topoloģisko atšķirību statistisko nozīmīgumu, tika veikti nepareizi atklāti likmju korekcijas parametru testi. Turklāt tika veikta korelācijas analīze, lai novērtētu attiecības starp funkcionālo savienojamību un klīniskajiem pasākumiem IAD grupā. Mūsu rezultāti liecina, ka IAD pacientu funkcionālajā savienojumā ir būtiski traucējumi, īpaši starp reģioniem, kas atrodas frontālās, pakauša un parietālās lobās. Ietekmētie savienojumi ir liela attāluma un puslodes savienojumi. Lai gan ir vērojamas būtiskas izmaiņas reģionālo mezglu rādītājos, globālā tīkla topoloģijā nav atšķirību starp IAD un veselām grupām. Turklāt korelācijas analīze parāda, ka novērotās reģionālās novirzes ir saistītas ar IAD smaguma un uzvedības klīniskajiem novērtējumiem. Mūsu konstatējumi, kas ir salīdzinoši konsekventi starp anatomiski un funkcionāli definētiem atlanti, liecina, ka IAD izraisa funkcionālā savienojuma traucējumus un, galvenais, ka šādi traucējumi var būt saistīti ar uzvedības traucējumiem.
skaitļi
citāts: Wee CY, Zhao Z, Yap PT, Wu G, Shi F, et al. (2014) traucēja smadzeņu funkcionālo tīklu interneta atkarības traucējumā: atpūtas valsts funkcionālā magnētiskās rezonanses attēlveidošanas pētījums. PLOS ONE 9 (9): e107306. doi: 10.1371 / journal.pone.0107306
Redaktors: Satoru Hayasaka, Wake Forest medicīnas skola, Amerikas Savienotās Valstis
Saņemts: Janvāris 20, 2014; Pieņemts: Augusts 11, 2014; Publicēts: Septembris 16, 2014
Autortiesības: © 2014 Wee et al. Šis ir atvērta piekļuves raksts, kas tiek izplatīts saskaņā ar Creative Commons piešķiršanas licence, kas pieļauj neierobežotu izmantošanu, izplatīšanu un reproducēšanu jebkurā vidē, ja tiek ieskaitīts oriģinālais autors un avots.
Finansējums: Šo darbu daļēji atbalstīja Nacionālo veselības institūtu (NIH) piešķīrumi EB006733, EB008374, EB009634, AG041721 un CA140413, kā arī Ķīnas Nacionālais dabaszinātņu fonds (81171325) un Nacionālā galveno tehnoloģiju pētniecības un attīstības programma 2007BAI17B03. Finansētājiem nebija nozīmes pētījumu plānošanā, datu vākšanā un analīzē, lēmumos par publicēšanu vai rokraksta sagatavošanā.
Konkurējošas intereses: Autori ir paziņojuši, ka nav konkurējošu interešu.
Ievads
Ir ziņots, ka interneta pārmērīga izmantošana var izraisīt izmaiņas sociāli uzvedības pazīmēs, kas ir līdzīgas vielām, kas ir atkarīgas no vielām un patoloģiskām azartspēlēm. [1], [2]. Tā kā pēdējo desmitgažu laikā arvien pieaug interneta lietotāju skaits, šī problēma arvien vairāk tiek uzskatīta par nopietnu sabiedrības veselības problēmu [3]. Interneta atkarības un ar datoriem saistītas atkarības kopumā ir plaši izplatīta parādība, kas skar miljoniem cilvēku Amerikas Savienotajās Valstīs un ārzemēs, visaugstākajā sastopamības biežumā pusaudžu un koledžu studentu vidū Āzijas jaunattīstības reģionos. [3]-[7]. Īpaši klīniska un sabiedriska nozīme ir interneta pārmērīgas iedarbības ietekmei jauniešu vidū, jo pusaudža vecums ir nozīmīgu neirobioloģijas izmaiņu periods, kas saistīts ar lēmumu pieņemšanu. [8] un tādējādi uzrāda lielāku jutību pret afektīviem traucējumiem un atkarību [9]-[11]. Kopš Young jaunā darba [2]interneta atkarība ir piesaistījusi ievērojamu uzmanību no sociologiem, psihologiem, psihiatriem un pedagogiem.
Ar interneta lietošanu saistīto uzvedības problēmu klīniskās pazīmes ir aprakstītas dažādos diagnostikas kritērijos, tostarp interneta atkarības traucējumos (IAD). [12], patoloģisks interneta lietojums [13]un problemātiska interneta izmantošana [14]. IAD ir klasificēts kā impulsu kontroles traucējums, jo tas ir saistīts ar nepareizu interneta lietošanu bez apreibinoša, līdzīgi patoloģiskai azartspēlēm. IAD izpaužas līdzīgu citu atkarību pazīmju, tostarp akadēmisko, finansiālo un profesionālo grūtību attīstīšanā, ko izraisa atkarību izraisoša uzvedība un problēmas, veidojot un uzturot personiskās un ģimenes attiecības. Personas, kas cieš no IAD, vairāk laika pavadīs vientulībā, kas savukārt ietekmē viņu normālo sociālo darbību. Sliktākajos gadījumos pacientiem var rasties fiziska diskomforta sajūta vai medicīniskas problēmas, piemēram, karpālā kanāla sindroms, sausas acis, muguras sāpes, smagas galvassāpes, ēšanas traucējumi un traucēta miega [15], [16]. Turklāt pacienti bieži ir rezistenti pret IAD ārstēšanu, un viņiem ir augsts recidīva rādītājs [17]un daudzi no viņiem arī cieš no citām atkarībām, piemēram, atkarības no narkotikām, alkohola, azartspēlēm vai dzimuma [18].
Kaut arī IAD DSM-5 vēl nav uzskatāms par atkarību vai garīgu traucējumu [19]ir plaši pētījumi, kas galvenokārt balstīti uz pašnovērtētām psiholoģiskām anketām, kas liecina par negatīvām sekām ikdienas dzīvē uzvedības komponentu, psihosociālo faktoru, simptomu pārvaldības, psihisko saslimšanu, klīniskās diagnozes un ārstēšanas rezultātu ziņā [6], [20]-[23]. Papildus šīm uzvedību balstītajām analīzēm nesen tika izmantotas neirofotografēšanas metodes, lai izpētītu smago interneta pārmērīgo ietekmi uz cilvēka smadzeņu strukturālajām un funkcionālajām īpašībām [7], [24]-[29]. Atpūtas stāvokļa funkcionālās magnētiskās rezonanses attēlveidošana (R-fMRI), efektīva in vivo līdzeklis smadzeņu neironu darbību izpētei, iepriekš tika izmantots, lai noteiktu iespējamos encefalo funkcionālo īpašību traucējumus IAD. [24], [26], [27], [30]. uz [27]reģionālā homogenitātes (ReHo) analīze, kas mēra reģionālo zemo frekvenču svārstību (LFF) konsekvenci smadzeņu tīklos, atklāja pastiprinātu sinhronizāciju starp smadzeņu reģioniem, kas saistīti ar atalgojuma ceļiem IAD pacientiem. Līdzīgs pētījums par indivīdiem ar tiešsaistes spēļu atkarību (OGA) ierosināja izmantot paaugstinātu amplitūdu LFF kreisajā vidējā orbitofrontālā garozā, kurai ir anatomiski savienojumi ar vairākiem reģioniem, kas saistīti ar mērķtiecīgu lēmumu pieņemšanu, kā slimības biomarķieris. [30]. Hong un citi. izmantoja statistiku, kas balstīta uz tīklu (NBS), lai analizētu grupas atšķirības starpreģionālajā funkcionālajā savienojumā starp IAD un kontroles grupām, un IAD grupā tika novērota plaša funkcionālo savienojumu samazināšanās, jo īpaši vispārējā tīkla topoloģijas vispārēja pārtraukšana [26]. Citā funkcionālā savienojamības pētījumā tika pētītas noklusējuma tīkla savienojumu izmaiņas, izmantojot sēklām, izmantojot sēklinieku cingulāro garozu (PCC). [24]. Rezultāti parādīja palielinātu funkcionālo savienojamību starp divpusējo smadzeņu aizmugurējo daiviņu un vidējo īslaicīgo girusu, kā arī samazināja savienojamību starp divpusējo zemāku parietālo lūpu un labo zemāko laiku.
Šajā pētījumā mēs izmantojam grafiski teorētisko pieeju, lai analizētu IAD, pamatojoties uz R-fMRI datiem. Vispirms novērtējam funkcionālo savienojumu traucējumu nozīmīgumu, izmantojot parametru testi ar vairāku salīdzinājumu korekciju. Tas ļauj mums pilnībā izpētīt pilnīgs smadzeņu funkcionālais savienojums un savienojamības modeļus starp liela mēroga tīkliem [31]. Otrkārt, mēs pētām iespējamos savienojuma traucējumus, kas saistīti ar IAD globālās tīkla īpašības, ieskaitot mazās pasaules īpašības (ti, kopu koeficientu un raksturīgo ceļa garumu) un tīkla efektivitāti (ti, globālo un vietējo efektivitāti) mazās pasaules režīmā. Treškārt, ar tādu pašu tīkla retuma diapazonu mēs novērtējam tīkla funkcionālo nozīmi, ņemot vērā reģiona attiecības ar visu funkcionālo savienojumu [32] pamatojoties uz katra ROI centrāluma pasākumiem. Mēs esam motivēti izmantot tīkla centralizāciju labāk lokalizēt reģioniem, kas ir traucēti, vietējā līmenī. Visbeidzot, mēs izpētām attiecības starp tīkla rādītājiem un gan uzvedības, gan klīniskajiem rādītājiem dalībniekiem. Izpētot saistību starp tīkla īpašībām un klīnisko iznākumu, uzlabo mūsu zināšanas par atkarības patoloģiju un sniedz būtisku ieskatu ticamāku IAD diagnostikas metožu izstrādē.
Materiāli un metodes
Dalībnieki
Šajā pētījumā piedalījās trīsdesmit trīs labās puses dalībnieki, kas sastāvēja no 17 pusaudžiem ar IAD (15 vīrieši un 2 sievietes) un 16 dzimuma, vecuma un izglītības prasībām atbilstošiem veseliem kontroles (HC) pacientiem (14 vīrieši un 2 sievietes). . Pacienti tika pieņemti no Bērnu un pusaudžu psihiatrijas katedras, Šanhajas Garīgās veselības centrā, Šanhajas Jiao Tong universitātes Medicīnas skolā. Kontroles priekšmeti tika pieņemti no vietējās kopienas, izmantojot reklāmas. Pētījumu apstiprināja Šanhajas Garīgās veselības centra Medicīnisko pētījumu ētikas komiteja un Institucionālā pārskata padome saskaņā ar Helsinku deklarāciju, un pilnīga rakstiska piekrišana tika saņemta no katra dalībnieka vecākiem / aizbildņiem.
IAD ilgums tika novērtēts, izmantojot retrospektīvo diagnozi. Visiem subjektiem tika lūgts atcerēties viņu dzīves stilu, kad viņi sākotnēji bija atkarīgi no interneta. Lai apstiprinātu viņu atkarību no interneta, pacienti tika atkārtoti pārbaudīti pēc Bārda un Volfa modificētās Young's Diagnostic anketa (YDQ) par interneta atkarības kritērijiem. [33], un pašpaziņotā IAD ticamība tika apstiprināta intervijā ar viņu vecākiem. IAD pacienti pavadīja vismaz stundas dienā internetā vai tiešsaistes spēlēs, un dienas nedēļā. Mēs pārbaudījām šo informāciju no pacientu istabas biedriem un klasesbiedriem, ka viņi bieži uzstāja, ka vēlu vakarā ir internetā, traucējot citu dzīvi, neraugoties uz sekām. Ņemiet vērā, ka visi pacienti bija atkarīgi no interneta vismaz vai ilgāk par 2 gadiem. Informācija par modificēto interneta atkarības kritēriju YDQ ir sniegta Fails S1.
Pēc iepriekšējiem IAD pētījumiem [34], tikai tie HC, kas pavadīja mazāk par 2 stundām (pavadītais laiks = ) dienā internetā tika iekļauti šajā pētījumā. Izlietotā HC grupa dienas nedēļā internetā. HC tika pārbaudīti arī pēc modificētiem YDQ kritērijiem, lai pārliecinātos, ka viņi necieš no IAD. Visi pieņemtie dalībnieki bija dzimtās ķīniešu valodas pārstāvji un nekad nebija lietojuši nelegālas vielas. Ņemiet vērā, ka pārveidotais YDQ dalībnieku ērtībām tika tulkots ķīniešu valodā. Lai vēl vairāk pamatotu diagnozes rezultātus, vēl viens IAD diagnostikas pasākums - Young's Internet Addiction Scale (YIAS) [35], tika veikts katram dalībniekam. YIAS ir 20 vienības aptauja, ko izstrādājusi Dr. Kimberly Young, lai novērtētu interneta atkarības pakāpi. Tā kategorizē interneta lietotājus trīs pakāpes smaguma pakāpēs, pamatojoties uz 100 punktu punktu shēmu: vieglu tiešsaistes lietotāju ( punkti), mērens tiešsaistes lietotājs ( punktus) un smagu tiešsaistes lietotāju ( punktus).
Papildus IAD diagnozei, izmantojot modificēto YDQ un YIAS, IAD pacientu uzvedības apstākļi tika novērtēti arī, izmantojot vairākas ar uzvedību saistītas anketas: Barratt Impulsiveness Scale-11 (BIS-11) [36], Laika pārvaldības izvietojuma skala (TMDS) [37], Stiprās puses un grūtības Anketa (SDQ) [38]un McMaster ģimenes novērtēšanas ierīce (FAD) [39]. Pētījumā tika izmantotas gan SDQ, gan vecāku versijas. Sīkāka informācija par šīm anketām ir sniegta Fails S1.
Pirms iztaujāšanas par medicīnisko vēsturi, visiem dalībniekiem tika veikta vienkārša fiziska pārbaude (asinsspiediens un sirdsdarbība), lai izslēgtu fiziskos traucējumus, kas saistīti ar kustību, gremošanas, nervu, elpošanas, asinsrites, endokrīnās, urīnceļu un reproduktīvās sistēmas. Izņēmuma kritēriji bija šādi: 1) anamnēzē, kas saistīta ar psihiatriskiem un nekroporiskiem traucējumiem, tādiem kā trauksme, depresija, kompulsivitāte, šizofrēnija, autisms vai bipolāri traucējumi; 2) anamnēzē, kas saistīta ar vielu lietošanu vai atkarību; 3) ar kustību, gremošanas, nervu, elpošanas, asinsrites, endokrīnās, urīnceļu un reproduktīvās sistēmas izraisītiem fiziskiem traucējumiem; un 4) sievietēm grūtniecības vai menstruāciju laikā skenēšanas dienā. Šī izslēgšanas procedūra ir svarīga, lai nodrošinātu, ka šī pētījuma dalībniekus neietekmē citi fiziski, neiroloģiski vai neiropsihiski traucējumi un līdz ar to samazina iegūtos rezultātus. Detalizēta demogrāfiskā informācija un klīniskie rādītāji ir sniegti Tabula 1.
1 tabula. Šajā pētījumā iesaistīto dalībnieku demogrāfiskā informācija.
doi: 10.1371 / journal.pone.0107306.t001
Datu iegūšana un pirmapstrāde
Datu iegūšana tika veikta, izmantojot 3.0 Tesla skeneri (Philips Achieva). Katra dalībnieka atpūtas stāvokļa funkcionālie attēli tika iegūti ar atbalss laiku (TE) = 30 ms un atkārtošanās laiku (TR) = 2000 ms. Ieguves matrica bija 64 × 64 ar taisnstūra FOV 230 × 230 mm2un 3.59 × 3.59 × 4 mm vokseļu izšķirtspēja3. Skenēšana ietvēra 220 apjomus katram dalībniekam. Datu iegūšanas laikā dalībniekiem tika lūgts klusi nolaisties skenerī ar aizvērtām acīm. Lai gan, lai noteiktu, vai subjekti patiešām ir aizvēruši acis, nav izmantota papildu metode vai ierīce, pētījuma dalībnieki ir apstiprinājuši, ka skenēšanas laikā viņi ir informēti un paturējuši acis aizvērtas.
Datu priekšapstrāde tika veikta, izmantojot standarta cauruļvadu divās R-fMRI apstrādes instrumentu kastēs, DPARSF [40] un REST [41]. Pirms jebkādas pirmapstrādes katra indeksa pirmie 10 R-fMRI tilpumi tika izmesti, lai panāktu magnetizācijas līdzsvaru. R-fMRI apjomi tika normalizēti uz MNI telpu ar izšķirtspēju 3 × 3 × 3 mm3. Tika veikti traucējumu signālu, tostarp kambara, baltās vielas un globālo signālu, regresija. Neviens no dalībniekiem netika izslēgts, pamatojoties uz kritēriju par nobīdes lielumu, kas lielāks par 3 mm, vai leņķa rotāciju, kas lielāka par 3 grādiem jebkurā virzienā. Lai vēl vairāk samazinātu galvas kustības ietekmi, mēs izmantojām Friston 24 parametru korekciju, kā arī ar vokseļu specifisko vidējo rāmja pārvietojumu (FD) [42] ar FN slieksni 0.5. Pirms funkcionālās savienojamības novērtēšanas katra ROI vidējā R-fMRI laika rinda tika filtrēta ar frekvenču joslu ( Hz).
Tīkla būvniecības un individuālo savienojumu analīze
Šajā pētījumā tika pieņemta diagramma teorētiskā analīze, lai izpētītu smadzeņu savienojuma funkcionālās izmaiņas, ko izraisa IAD ķīniešu pusaudžu grupā. Funkcionālie smadzeņu tīkli tika uzbūvēti makroskopu līmenī, kur mezgli pārstāv iepriekš definētos smadzeņu reģionus, un malas pārstāv starpreģionu miera stāvokļa funkcionālo savienojumu (RSFC). Lai definētu tīkla mezglus, mēs sadalījām smadzenes interešu reģioni (ROI), izliekot fMRI attēlus uz automatizēto anatomisko marķējumu (AAL) atlasi [43]. Reģioni, kuru pamatā ir AAL atlants, ir uzskaitīti S1 tabulā Fails S1. Pēc tam katras ROI reprezentatīvās laikrindas tika iegūtas, vidēji aprēķinot regresēto laika rindu pār visiem vokseļiem katrā atsevišķā ROI. Lai izmērītu starpreģionālo RSFC, mēs aprēķinājām pāris Pearson korelāciju visām iespējamām (() = 4005) ROI pāri un veidota simetriska savienojuma matrica, lai attēlotu šos savienojumus. Mēs analizējām grupas līmeņa atšķirības starp katru ROI pāru savienojuma stipruma ziņā. Ievērojamas atšķirības katram funkcionālajam savienojumam tika novērtētas, izmantojot masas vienlaidus - testi ar slieksni un viltus atklāšanas ātruma (FDR) korekcija.
Tīkla metrika un raksturlielumu analīze
Uz Pīrsona korelācijas balstītā funkcionālās savienojamības matrica ir blīvi savienota, un tajā ir daudz viltotu, mazas izturības elementu. Lai labāk modelētu cilvēka smadzeņu tīklus, kuriem piemīt mazās pasaules īpašības, katra indivīda funkcionālās savienojamības matrica tika tālāk apstrādāta, lai iegūtu retuma diapazonu, kas ietilpst mazās pasaules režīmā () [44]-[48]. Šis režīms nodrošina relatīvi konsekventus mazās pasaules raksturlielumus 90 ROI smadzeņu tīkliem [44]. Konkrētāk, katra subjekta Pearson korelācijas matrica tika pārveidota par binarizētām kaimiņu matricām, , saskaņā ar iepriekš noteiktu rupumu, kur viss sākotnēji ir iestatīti viens, un pēc tam elementi, kas atbilst viszemākajām korelācijas vērtībām, tiek atkārtoti iestatīti uz nulli, līdz tiek sasniegts zināms sparitātes līmenis. Pamatojoties uz šiem tīkliem, mēs izmantojām gan globālos, gan reģionālos tīkla rādītājus, lai analizētu smadzeņu tīklu vispārējo arhitektūru un reģionālo mezglu centrālo grupu salīdzināšanai. Izmantotās globālās metrikas ietvēra mazās pasaules parametrus, proti, klasterizācijas koeficientu () un raksturīgā ceļa garums () [49], [50], kā arī globālā tīkla efektivitāte () un vietējā tīkla efektivitāte (). Turklāt mēs aprēķinājām šo pasākumu normalizētās versijas, izmantojot izlases tīklus (, un ), lai nodrošinātu nelielu pasaules uzbūvēto smadzeņu tīklu īpašumu. Mēs definējam tīklu kā mazu pasauli, ja tas atbilst šādiem trim kritērijiem: , un mazās pasaules attiecība, . Trīs mezgla centrālās metrikas - grāds (), efektivitāte () un starpība () - no katra smadzeņu reģiona tika aprēķināti funkcionālā tīkla vietējie raksturlielumi [44], [46].
Lai statistiski izpētītu starpgrupu atšķirības, mēs veicām divkāršu, divu paraugu - testi ar slieksni (FDR labots) katrā tīkla mērogā (globālā un reģionālā), pamatojoties uz katras tīkla metrikas, kas veidota no mazās pasaules režīma, laukumu zem līknes (AUC) [48]. AUC sniedz kopsavilkumu par smadzeņu tīklu topoloģiskajiem raksturlielumiem visā mazās pasaules režīmā, nevis tikai apsver topoloģiju ar vienu rupjības slieksni [44], [51]. Konkrēti, katram tīkla metriskam mēs vispirms aprēķinājām katra atsevišķa subjekta AUC vērtību tīklos ar dažādiem sparsitātes līmeņiem un pēc tam tika veikti divi paraugi - lai statistiski noteiktu jebkuras grupas līmeņa atšķirības starp IAD un veselām grupām. Jāatzīmē, ka pirms statistiskās pārbaudes mēs izmantojām vairākas lineārās regresijas, lai novērstu vecuma, dzimuma un izglītības ietekmi, kā arī to mijiedarbību. [31], [52]-[54].
Uzticamība un atkārtojamība, izmantojot funkcionālo atlasi
Šajā pētījumā funkcionālie savienojamības tīkli tika uzbūvēti reģionālā līmenī, sadalot visas smadzenes 90 ROI, pamatojoties uz AAL atlantu. Tomēr ir arī ziņots, ka smadzeņu tīkliem, kas iegūti no dažādām sadalīšanas shēmām vai izmantojot dažādas telpiskās skalas, var būt atšķirīgas topoloģiskās arhitektūras [55]-[57]. Lai novērtētu mūsu rezultātu ticamību un atkārtojamību, mēs atkārtojām eksperimentus, izmantojot Dosenbaha funkcionālo atlantu [58], kas sadala cilvēka smadzenes 160 ROI, ieskaitot smadzeņu. Šajā atlasē katrs ROI ir definēts kā 10 mm diametra kvadrāts ap izvēlēto sēklu punktu, un attālums starp visiem ROI centriem ir vismaz 10 mm bez telpiska pārklāšanās, kas nozīmē, ka ROI kopums neattiecas uz dažām smadzeņu zonām.
Attiecības starp tīkla metriku un uzvedības rādītājiem
Tiem reģioniem (balstoties uz AAL atlantu), kuriem ir būtiskas grupas līmeņa atšķirības reģionālajā mezgla centrā, mēs izmantojām pāris Pearson korelāciju (, FDR labots), lai analizētu attiecības starp katra reģiona tīkla īpašībām un indivīda uzvedības rādītājiem. Korelācijas analīzē tīkla metrika tika uzskatīta par atkarīgajiem mainīgajiem, savukārt uzvedības rādītāji, ti, BIS-11, TMDS, SDQ un FAD, tika uzskatīti par neatkarīgiem mainīgajiem. Lai vēl vairāk izprastu saistību starp skartajiem smadzeņu reģioniem un slimības smagumu, mēs arī aprēķinājām Pīrsona korelācijas koeficientu starp tīkla pazīmēm un YIAS rādītājiem.
rezultāti
Demogrāfiskie un klīniskie raksturlielumi
Nav būtiskas atšķirības attiecībā uz vecumu, dzimumu un izglītības gadiem (visi ar ) starp IAD un HC grupām. Tomēr interneta lietošanā ir ievērojamas atšķirības dienas nedēļā () un stundas dienā (). Lai gan BIS-11 un TMDS punktu grupām nav būtiskas atšķirības (visi ar ), SDQ-P (), SDQ-C () un FAD () IAD grupā rādītāji ir ievērojami augstāki, kā parādīts Tabula 1 un Skaitlis 1. Jo īpaši YIAS (), klīniskais pasākums, ko izmanto, lai klasificētu IAD, ir visbūtiskākā grupas līmeņa atšķirība.
Attēls 1. Atšķirības starp grupām attiecībā uz klīniskiem un uzvedības pasākumiem.
(YIAS = Young's Internet Addiction Scale, BIS-11 = Barratt Impulsiveness Scale-11, TMDS = Time Management Disposition Scale, SDQ-P = Stiprās un grūtās anketas vecāku versija, SDQ-C = Stiprās un grūtās anketas bērnu versija, FAD = McMaster Ģimenes novērtēšanas ierīce).
doi: 10.1371 / journal.pone.0107306.g001
Individuālā funkcionālā savienojamība
Salīdzinot ar HC grupu, tikai trīs funkcionālie savienojumi pēc FDR korekcijas piedzīvoja būtiskas izmaiņas. Divi starppusēji savienojumi, viens no kreisā leņķa girusa (parietālās daivas) un labās vidējās orbitofrontālās garozas (frontālās daivas) un otrs no kreisās fusiformas gūsa (okcipitalas daivas) un labā leņķa gyrus (parietālās daivas), palielina savienojuma spēku IAD pacientiem. Viens intra-puslodes savienojums, starp labo caudātu (subortical cortex) un labo augšējo gyrus (parietālo daiviņu), liecina par samazinātu savienojamību slimības grupā. Šie būtiski mainītie funkcionālie savienojumi ir ilustrēti Skaitlis 2. Sarkanās un zilās krāsas savienojumi apzīmē attiecīgi palielināto un samazināto funkcionālo savienojumu skaitu IAD grupā. Ņemiet vērā, ka lielākā daļa skarto funkcionālo savienojumu ietver reģionus, kas atrodas labajā puslodē un parietālajā daivā.
Attēls 2. IAD pacientiem nozīmīgi mainīti funkcionālie savienojumi (FDR koriģēti).
Sarkans: palielināts funkcionālais savienojums, zils: samazināts funkcionālais savienojums. (FRO: frontālā, INS: Insula, TEM: laika, PAR: parietālā, OCC: astes, LIM: limbiskā, SBC: subkortikālā). Šī vizualizācija tiek veidota, izmantojot BrainNet Viewer paketi (http://www.nitrc.org/projects/bnv) un Circos (http://circos.ca/).
doi: 10.1371 / journal.pone.0107306.g002
Funkcionālo tīklu globālās īpašības
Mēs izpētījām iekšējo funkcionālo smadzeņu tīklu topoloģiskās īpašības, salīdzinot to mazās pasaules uzvedību ar salīdzināmiem nejaušiem tīkliem vairākos tīkla sparsitātes līmeņos, . Konkrēti, mēs pētījām mazās pasaules parametrus (piemēram, klasterizācijas koeficientu, raksturīgo ceļa garumu un mazās pasaules attiecību, ), kā arī globālo un vietējo efektivitāti. Pētījumā izmantotie nejaušie tīkli saglabāja mezglu un malu skaitu, kā arī reālo smadzeņu tīklu izplatības pakāpi, izmantojot bažas, izmantojot pārrakstīšanas tehniku, kas aprakstīta [59]. Statistiskās analīzes, izmantojot divus paraugus -tests (, FDR labots) par AUC vērtībām mazās pasaules režīmā neparādīja būtisku atšķirību starp IAD un HC grupām attiecībā uz globālo tīkla īpašībām.
Funkcionālo tīklu reģionālie mezgla raksturlielumi
Neskatoties uz kopējo mazās pasaules topoloģiju, bija vērojamas būtiskas grupas līmeņa atšķirības reģionālajā mezgla centrālajā daļā. Šajā pētījumā mēs uzskatām, ka smadzeņu reģions ir būtiski mainīts IAD grupā, ja vismaz vienam no trīs reģionālajiem mezglu rādītājiem ir -Vērtība ir mazāka par 0.05 (FDR koriģēta), pamatojoties uz tās AUC vērtībām. Tabula 2 apkopo reģionus, kas būtiski mainījušies IAD pacientiem. Salīdzinot ar HC grupu, IAD pacientiem bija centrālās centrālās izmaiņas, kas pārsvarā atradās kreisajā zemākā parietālā lobulē (IPL), kreisajā talamā (THA) un citos reģionos, piemēram, limbiskajā sistēmā, īpaši labajā priekšējā cingulārā gyrus (ACG) un labajā pusē vidējā cingulārā gyrus (MCG). Konkrēti, IPL un ACG ir noklusējuma režīma tīkla (DMN) sastāvdaļas, kas iepriekš ir saistītas ar mainītu savienojamību ar vielu atkarību. [60]-[62].
2 tabula. Reģioni, kuros IAD pacientiem ir nenormāli mezgli, salīdzinot ar veselīgu kontroli (HC), pamatojoties uz AAL atlantu.
doi: 10.1371 / journal.pone.0107306.t002
Uzticamība un atkārtojamība, izmantojot funkcionālo atlasi
Ja ROI noteikšanai izmanto Dosenbaha atlantu, ievērojamas grupu atšķirības tiek novērotas galvenokārt frontālajā un parietālajā savienojumā ar smadzenītēm. Šie secinājumi ir apkopoti Tabula 3. Lai gan šie savienojumi atšķiras no tiem, kas identificēti, pamatojoties uz AAL atlantu, lielākā daļa traucēto savienojumu ir saistīti ar tām pašām smadzenēm, izņemot smadzeņu reģionus. Runājot par globālajiem tīkla rādītājiem, mēs neesam konstatējuši atšķirību starp IAD un HC grupām, līdzīgi rezultātiem, kas balstīti uz AAL atlasi. Vietējo tīklu rādītājiem mēs atklājām, ka daži no identificētajiem reģioniem atrodas telpiski tuvu reģioniem, kas identificēti, pamatojoties uz AAL atlantu, piemēram, ACG un THA, kā norādīts Tabula 4.
3 tabula. Funkcionālie savienojumi IAD indivīdos, kuriem bija ievērojamas izmaiņas, pamatojoties uz Dosenbach atlasu.
doi: 10.1371 / journal.pone.0107306.t003
4. tabula. Reģioni, kas parāda nenormālas mezglu centrālās vietas IAD pacientiem, salīdzinot ar veselīgu kontroli (HC), pamatojoties uz Dosenbaha atlantu.
doi: 10.1371 / journal.pone.0107306.t004
Attiecības starp tīkla metriku un uzvedības pasākumiem
Nav būtiskas (, FDR koriģēta) korelācija starp globālajiem tīkla rādītājiem (, , , un ) un uzvedības un klīniskos rādītājus. Tomēr vairāku reģionu reģionālie mezglu rādītāji ir ievērojami (, FDR labots) korelē ar uzvedības un klīniskajiem rādītājiem. Tiesības ACG pozitīvi korelē ar YIAS punktu skaitu. Tiesības MCG pozitīvi korelē ar YIAS rezultātu. Kreisais THA pozitīvi korelē ar YIAS un SDQ-P rādītājiem. Tomēr kreisais IPL nav būtiski korelējis ar kādu uzvedības vai klīnisko rezultātu. Smadzeņu reģioni, kas ir būtiski korelēti ar uzvedības un klīniskajiem rādītājiem, ir parādīti Skaitlis 3.
Attēls 3. Smadzeņu reģioni, kas ir būtiski korelēti ar uzvedības un klīniskajiem rādītājiem IAD grupā (FDR koriģēti).
Šis attēls tika izveidots, izmantojot BrainNet Viewer paketi (http://www.nitrc.org/projects/bnv). (YIAS = Young's Internet Addiction Score, BIS-11 = Barratt Impulsivity Scale-11, TMDS = Time Management Disposition Scale, SDQ-P = Stiprās un grūtās anketas vecāku versija, SDQ-C = Stiprās un grūtās anketas bērnu versija.).
doi: 10.1371 / journal.pone.0107306.g003
diskusija
Individuālās funkcionālās savienojamības izmaiņas
Ieskats cilvēka smadzeņu attīstības mehānismā ir svarīgs, lai labāk izprastu bērnus un pusaudžus ietekmējošo traucējumu patoloģiskos pamatus, kā rezultātā iespējama agrīna ārstēšana. Balstoties uz R-fMRI datu teorētisko analīzi grafikā, ir ierosināts, ka cilvēka smadzeņu funkcionālā organizācija nobriest un attīstās no bērnības līdz pusaudža vecumam līdz pieauguša cilvēka vecumam, ievērojot unikālu tendenci - lielāku funkcionālo segregāciju bērniem un lielāku funkcionālo integrāciju pieaugušajiem visu smadzeņu līmeni [63]-[66]. Īpaši funkcionālo smadzeņu tīklu organizācija pāriet no vietējās savienojamības uz vairāk izplatītu arhitektūru ar attīstību [63], [66], kur pieaugušajiem ir vājāka īstermiņa funkcionālā savienojamība un spēcīgāka funkcionālā savienojamība nekā bērniem [65].
Mūsu rezultāti liecina, ka traucējumi, kas novēroti IAD, lai gan tikai nedaudz pēc FDR korekcijas, ir tālsatiksmes un starpdemokrātiskie funkcionālie savienojumi, kas ir svarīgi liela attāluma komunikācijai cilvēka smadzenēs. Daudzu uzvedības traucējumu, tai skaitā autisma, biežs simptoms ir garo un puslodes savienojumu pārtraukšana. [67]-[70], šizofrēnija [71], atkarība no opioīdiem [72], [73]un kokaīna atkarība [74]. Ilgtermiņa sakaru traucējumus var uzskatīt par integrācijas procesa neveiksmi cilvēka smadzeņu izplatītā funkcionālā tīklā [63], [64], [75], novirze no normālas neiroloģiskās attīstības trajektorijas. Tādējādi mēs spekulējam, ka šajā pētījumā novērotais neparastais IAD pusaudžu garo un puslodes savienojumu veidošanās ir viens no iespējamiem iemesliem to atkarības uzvedībai.
Globālā tīkla rekvizītu izmaiņas
Cilvēka smadzenes tiek uzskatītas par sarežģītu un lielu savstarpēji savienotu dinamisku sistēmu ar dažādām svarīgām topoloģiskām īpašībām, piemēram, mazās pasaules, augstas efektivitātes zemām elektroinstalācijas izmaksām un ļoti saistītiem mezgliem. [46], [76]-[79]. Mazās pasaules tīklā mezgli ir lokāli apvienoti, lai atbalstītu moduļu informācijas apstrādi, un tie ir attālināti savienoti, izmantojot nelielu skaitu tāldarbības savienojumu, lai nodrošinātu efektīvu vispārējo maršrutēšanu. [50]. Gan IAD, gan HC grupas demonstrēja mazas pasaules īpašības, ti, augstus klasterizācijas koeficientus () un līdzīgi raksturīgie ceļa garumi (), salīdzinot ar salīdzināmiem izlases tīkliem. Tomēr IAD grupā mēs novērojām konsekventi lielākus normalizētus klasterizācijas koeficientus un līdzīgu normalizēto ceļa garumu, salīdzinot ar HC grupu savienojuma blīvumā, saskaņā ar iepriekšējiem R-fMRI pētījumiem [26]. Lielāks klasterizācijas koeficients atspoguļo traucētos neironu integrāciju starp attāliem reģioniem, kas parāda salīdzinoši reti garus un samērā blīvus īstermiņa funkcionālos savienojumus IAD un HC grupās. Klīnisko stadiju progresēšana no vieglas līdz smagas, var izraisīt ilgstošus savienojumus vairāk vai mazāk, un tādējādi, iespējams, veicina īslaicīgu savienojumu izveidi klasterī kā alternatīvus ceļus informācijas pārraides saglabāšanai starp diviem attāliem reģioniem. Tomēr īsu attālumu savienojumu izveide var radīt patoloģiskas kopas, kas palielina nekontrolētas vai nejaušas informācijas plūsmas risku visā tīklā. No otras puses, visi smadzeņu tīkli parādīja līdzīgu paralēlu informācijas apstrādi par globālo un vietējo efektivitāti, salīdzinot ar salīdzināmu izlases tīklu [80]. Šie atklājumi atbalsta cilvēka smadzeņu mazās pasaules modeļa koncepciju, kas nodrošina līdzsvarotu vietējās specializācijas un globālās integrācijas kombināciju [81]. Mūsu novērojumi par būtisku atšķirību starp IAD un HC grupām, ņemot vērā globālās tīkla īpašības, var nozīmēt, ka funkcionālās tīkla struktūras izmaiņas IAD ir smalkas. Līdz ar to turpmāka izpēte par reģionu specifiskiem IAD biomarkeriem varētu atklāt nozīmīgu informāciju par slimības patoloģiju un atkarību kopumā.
Funkcionālo tīklu reģionālie mezgla raksturlielumi
IAD saistītās mezgla centrālās izmaiņas galvenokārt tiek konstatētas limbisko sistēmu komponentos, ieskaitot ACG un MCG, IPL un THA. Šo reģionu traucējumus, kā arī to saistītos ceļus var interpretēt, lai atspoguļotu informācijas apstrādes efektivitātes samazināšanos, iespējams, atspoguļojot funkcionālos traucējumus IAD.
Cingulate gyrus (CG), kas ir limbiskās sistēmas neatņemama sastāvdaļa, ir iesaistīta emociju veidošanā un apstrādē, mācīšanā un atmiņā, izpildfunkcijā un elpošanas kontrolē. [82]. Tā saņem ieejas no THA un neocortex un projektē uz entorālo garozu, izmantojot cingulum. Šis ceļš koncentrējas uz emocionāli nozīmīgiem notikumiem un regulē agresīvo uzvedību [29]. Ar CG saistīto funkciju pārtraukšana var pasliktināt indivīda spēju uzraudzīt un kontrolēt viņa uzvedību, īpaši uzvedību, kas saistīta ar emocijām [83]. Lielākā daļa vielu un uzvedības atkarības analīzes ir parādījušas būtiskas izmaiņas CG priekšējās un aizmugurējās daļās (ACG un PCG), ieskaitot alkohola atkarību. [84], patoloģiskas azartspēles [85]un IAD [27], [29]. Kokaīna lietotājus, kas ir līdzīgi, ir ziņojuši par papildu izmaiņām MCG [86]. Iepriekšējos fMRI pētījumos ir arī pierādīts, ka priekšējā, vidējā un aizmugurējā CG ietekmē visi atalgojuma un soda nosacījumi. [87]. Sakarā ar MCG lomu pozitīvu un negatīvu emociju apstrādē nav pārsteidzoši, ka reģiona IAD pacientiem ir būtiski traucējumi.
THA ir smadzeņu informācijas nodalījums un ir iesaistīts daudzās smadzeņu funkcijās, tostarp atalgojuma apstrādē [88], uz mērķi vērsta uzvedība un kognitīvās un motora funkcijas [89]. Tas izplata sensoros un motora signālus no subkortikālajiem reģioniem uz smadzeņu garozu [90]. Izmantojot THA, orbitofrontālā garoza saņem tiešas un netiešas projekcijas no citām limbiskām smadzeņu zonām, kas saistītas ar zāļu pastiprināšanu, piemēram, amygdala, CG un hipokampu. [91], lai kontrolētu un koriģētu ar atalgojumu un sodīšanu saistītu rīcību [92]. Nenormāla talamo-kortikālā shēma, kas atrodama tiešsaistes spēļu narkomānos [93] var liecināt par THA darbības traucējumiem, kas saistīti ar hronisku sliktas miega kvalitāti [94] un lielāko uzmanību pievēršot datoram. Turklāt THA ir funkcionāli savienots ar hipokampu [95] kā daļa no paplašinātās hipokampas sistēmas, kas ir izšķiroša kognitīvām funkcijām, piemēram, telpiskajai navigācijai un informācijas konsolidēšanai no īstermiņa atmiņas uz ilgtermiņa atmiņu [96], [97].
Mēs novērojām būtiskas mezglu centru izmaiņas IPL, saskaņā ar rezultātiem, kas tika ziņoti pēdējos R-fMRI balstītos IAD pētījumos [24], [93]. Līdzīgi kā THA, IPL ir masveidā saistīts ar dzirdes, vizuālo un somatosensorālo korekciju, un tas spēj apstrādāt dažāda veida stimulus vienlaicīgi. Kā viens no pēdējiem izstrādātajiem cilvēka smadzeņu veidiem attīstības gaitā IPL var būt neaizsargātāka pret pārmērīgu dzirdes un vizuālo stimulu iedarbību, īpaši bērnībā. IPL traucējumi, ko izraisa interneta pārmērīga lietošana, var nomākt indivīda spēju pienācīgi mediēt impulsu regulēšanas reakcijas inhibīciju [98], [99], kaitējot to spējai pretoties cēloņiem, ko izraisa interneta alkas, kas var vēl vairāk pasliktināt IPL. Šādi cirkulārie modeļi bieži tiek uzskatīti par būtiskiem un uzvedības atkarīgajiem.
DMN reģioni parasti ir aktīvāki atpūtā nekā mērķtiecīgi uzdevumi [62]. Šie reģioni, par kuriem zināms, ir iesaistīti emocionālā modulācijā un pašregulējošās aktivitātēs, tai skaitā, novērtējot iekšējo un ārējo norādījumu nozīmi, atceroties pagātni un plānojot nākotni [60], [62], kas ir svarīgi kritēriji IAD diagnostikā. Iepriekš tika ierosināts, ka mainītais savienojums ar DMN reģioniem veicina dažādu simptomātisku uzvedību slimībās [100], ieskaitot vielu atkarības [101], [102] un uzvedības atkarības [24], [103]. Mūsu secinājumi par funkcionālā savienojuma izmaiņām, kuros iesaistīti vairāki DMN reģioni, daļēji saskan ar iepriekšējiem novērojumiem, kas liecina, ka DMN var kalpot kā biomarķieris, lai identificētu IAD pacientus.
Uzticamība un atkārtojamība, izmantojot funkcionālo atlasi
Daži no AAL atlasē identificētajiem patoloģiskajiem smadzeņu reģioniem tika identificēti, izmantojot funkcionālo atlasi, atbalstot mūsu rezultātu ticamību un atkārtojamību. Viens no nedaudz atšķirīgo rezultātu iemesliem ir režīms pētījumā. Šajā diapazonā visatbilstošākie ir 90 ROI AAL atlasei izveidoto savienojumu tīklu mazās pasaules raksturlielumi. [44]. Tomēr šis rupjības diapazons var nebūt optimāls atlantiem ar atšķirīgu skaitu ROI. Turklāt ROI, kas iegūti no Dosenbach atlasa, ir definēti funkcionāli un neaptver visu smadzenes [58]. Šajā atlantā vispirms tiek identificēti visu 160 ROI centri, un no katra centra tiek audzēta sfēra ar 5 mm rādiusu, veidojot 10 mm sfērisku ROI. Katra ROI centrs ir iestatīts arī kā vismaz 10 mm, izņemot citu ROI centrus, kas noved pie telpiski nepārklājoša atlanta. No otras puses, AAL atlase aptver visu smadzeņu pelēkās vielas audu. Šīs ROI definīcijas un aptvertās platības atšķirības var veicināt rezultātu variāciju. Līdz ar to, lai noteiktu, cik lielā mērā smadzeņu sadalījuma shēmas izvēle ietekmē tīkla topoloģijas raksturojumu, ir nepieciešami turpmāki pētījumi, izmantojot lielāku kohortu.
Korelācija starp tīkla metriku un uzvedības pasākumiem
Šajā pētījumā netika novērota nekāda korelācija starp globālajiem tīkla rādītājiem un uzvedības pasākumiem, kas nozīmētu, ka nav mainījusies visa smadzeņu tīkla topoloģija. Šis konstatējums var arī liecināt, ka smadzeņu tīkla variācijas ir smalkas cilvēka smadzeņu plastiskuma dēļ (neiroplastiskums). [104], [105] atgūt lielāko daļu ikdienas funkciju, izmantojot alternatīvus ceļus (neironu shēmas). Smadzeņu plastiskums ietver savienojumu reorganizāciju starp nervu šūnām vai neironiem, un to var ietekmēt neskaitāmi faktori [106]-[108]. Tas notiek ar vecumu saistītā veidā ar lielāku izplatību bērnībā un pusaudža gados nekā pieaugušajiem, kas liecina par labāku neironu savienojumu atgūšanos pusaudžiem ar IAD. Turklāt ir pierādīts, ka dažādi uzvedības apstākļi, sākot no atkarības no neiroloģiskiem un psihiskiem traucējumiem, ir saistīti ar lokālām izmaiņām nervu ķēdēs. [106]. Tādēļ nav pārsteidzoši, ka rupja līmeņa globālie tīkla pasākumi, piemēram, vidējais klasterizācijas koeficients, raksturīgā ceļa garums un tīkla efektivitāte, ir mazāk jutīgi, lai noteiktu smadzeņu shēmas izmaiņas IAD grupā.
Tomēr vairāku smadzeņu reģionu reģionālie mezglu rādītāji ir saistīti ar dažiem uzvedības pasākumiem. Īpaši pozitīvi vērtējama SDQ vecākā versija (SDQ-P), kas mēra gan indivīda spēju pienācīgi rīkoties ar impulsivitāti, gan emociju un prosociālās uzvedības problēmu nopietnību, pamatojoties uz pētāmo pusaudžu vecāku sniegto informāciju. korelē ar funkcionāli ietekmētajiem smadzeņu reģioniem, kas atrodami IAD. Nespēja kontrolēt impulsīvo uzvedību un emocijas ir viens no galvenajiem uzvedības simptomiem. Bieži ir tas, ka pacienti nezina par emociju un uzvedības izmaiņām, lai gan šīs pārmaiņas ir salīdzinoši acīmredzamas cilvēkiem, kas tos apkārt. Tas var būt galvenais iemesls, kāpēc neviens no tīkla pasākumiem nav saistīts ar SDQ (SDQ-C) bērnu versiju pašnovērtējuma rakstura dēļ. No otras puses, nav būtiskas korelācijas starp reģionālajiem tīkla pasākumiem un citiem uzvedības pasākumiem, tostarp BIS-11, FAD un TMDS. Šo secinājumu atbalsta lielie - šo pasākumu vērtības starp IAD un veselām grupām (Tabula 1). Šie atklājumi var likt domāt, ka daži no šiem uzvedības pasākumiem ir noderīgi, lai noteiktu skartos reģionus un tādējādi palīdzētu IAD diagnozei, lai gan vēl ir nepieciešams liels darbs, lai labāk izprastu šo pasākumu lomu uzvedības atkarībās vai traucējumos.
Metodiskie jautājumi / ierobežojumi
Šajā pētījumā ir jāuzsver vairāki ierobežojumi. Pirmkārt, IAD diagnoze galvenokārt balstījās uz pašnovērtēto anketu rezultātiem, kas varētu ietekmēt diagnozes ticamību. Nākotnē ir jāizstrādā standartizēti diagnostikas instrumenti IAD identifikācijai, lai uzlabotu IAD diagnozes ticamību un derīgumu. Otrkārt, mūsu pētījumu ierobežo mazais izlases lielums un dalībnieku dzimuma nelīdzsvarotība (31 vīrieši un 4 sievietes), kas varētu samazināt statistisko jaudu un rezultātu vispārināmību, lai gan šie faktori ir kontrolēti analīzē. Dzimumu ietekme uz IAD izplatību joprojām ir apspriests jautājums. Pamatojoties uz Young datiem [35]liels skaits sieviešu ir atkarīgas no interneta. Turpretī viens nesen veikts pētījums liecina, ka vīriešiem ir augstāks IAD uzvedības risks [109]. Tomēr ir arī ziņots, ka starp dzimumiem un IAD nav saistību [110], [111]. Lai labāk novērtētu saistību starp dzimumu un IAD jutību, ir vajadzīgi turpmāki eksperimenti, izmantojot lielāku kohortu ar līdzsvarotāku dzimumu attiecību.
Pateicības
Šo darbu daļēji atbalstīja Nacionālo veselības institūtu (NIH) piešķīrumi EB006733, EB008374, EB009634, AG041721 un CA140413, kā arī Ķīnas Nacionālais dabaszinātņu fonds (81171325) un Nacionālā galveno tehnoloģiju pētniecības un attīstības programma 2007BAI17B03.
Autora iemaksas
Izstrādāti un izstrādāti eksperimenti: CYW ZZ PTY GW FS TP YD JX YZ DS. Veicis eksperimentus: CYW ZZ YD JX YZ DS. Analizēja datus: CYW PTY DS. Reaģenti / materiāli / analīzes rīki: ZZ YD JX YZ. Rakstīja papīru: CYW PTY TP DS.
Atsauces
- 1. Ng BD, Wiemer-Hastings P (2005) Interneta un tiešsaistes spēļu atkarība. Cyberpsychol Behav 8: 110 – 113. doi: 10.1089 / cpb.2005.8.110
- 2. Jaunā KS (1998) interneta atkarība: jauna klīniska traucējuma rašanās. Cyberpsychol Behav 1: 237 – 244. doi: 10.1089 / cpb.1998.1.237
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- 3. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Saikne starp interneta atkarību un psihiskiem traucējumiem: literatūras apskats. Eur Psihiatrija 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- 4. J bloks (2006) Problēmiskā interneta lietošanas pētījumā nepietiekami novērtēta izplatība. CNS Spectr 12: 14 – 15.
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- 5. Fitzpatrick JJ (2008) Interneta atkarība: atzīšana un iejaukšanās. Arch Neurol 22: 59 – 60. doi: 10.1016 / j.apnu.2007.12.001
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- 6. Cao F, Su L, Liu T, Gao X (2007) Ķīniešu pusaudžu parauga attiecība starp impulsivitāti un interneta atkarību. Eur Psihiatrija 22: 466 – 471. doi: 10.1016 / j.eurpsy.2007.05.004
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- 7. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Mikrostruktūras novirzes pusaudžiem ar interneta atkarības traucējumiem. PLOS ONE 6: e20708. doi: 10.1371 / journal.pone.0020708
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- Skatīt pantu
- PubMed / NCBI
- Google Scholar
- 8. Ernst M, Pine DS, Hardin M (2006) Triadisks modelis motivētas uzvedības neirobioloģijā pusaudža gados. Psychol Med 36: 299 – 312. doi: 10.1017 / s0033291705005891
- 9. Pine DS, Cohen P, Brook JS (2001) Emocionāla reaktivitāte un psihopatoloģijas risks pusaudžiem. CNS Spectr 6: 27 – 35.
- 10. Silveri MM, Tzilos GK, Pimentel PJ, Yurgelun-Todd DA (2004) Pusaudžu emocionālās un kognitīvās attīstības trajektorijas: sekas un risks narkotiku lietošanai. Ann NY Acad Sci 1021: 363 – 370. doi: 10.1196 / annals.1308.046
- 11. Steinberg L (2005) Kognitīvā un afektīvā attīstība pusaudža gados. Tendences Cogn Sci 9: 69 – 74. doi: 10.1016 / j.tics.2004.12.005
- 12. Ko CH, Yen JY, Chen CC, Chen SH, Yen CF (2005) Ierosinātie interneta atkarības diagnostikas kritēriji pusaudžiem. J Nerv Ment Dis 193: 728 – 733. doi: 10.1097 / 01.nmd.0000185891.13719.54
- 13. Yoo HJ, Cho SC, Ha J, Yune SK, Kim SJ, et al. (2004) Uzmanības deficīta hiperaktivitātes simptomi un interneta atkarība. Psihiatrija Clin Neurosci 58: 487 – 494. doi: 10.1111 / j.1440-1819.2004.01290.x
- 14. Shapira NA, Lessig MC, Goldsmith TD, Szabo ST, Lazoritz M, et al. (2003) Problēmas lietošana internetā: ierosinātie klasifikācijas un diagnostikas kritēriji. Nospiediet trauksmi 17: 207 – 216. doi: 10.1002 / da.10094
- 15. Bārda KW (2005) nternet atkarība: pašreizējo novērtēšanas metožu un iespējamo vērtēšanas jautājumu pārskats. Cyberpsychol Behav 8: 7 – 14. doi: 10.1089 / cpb.2005.8.7
- 16. Jaunie K (1999) jauninājumi klīniskajā praksē: avota grāmata, profesionālā resursu izdruka, sējums 17, nodaļa Interneta atkarība: simptomi, novērtēšana un ārstēšana. lpp. 19 – 31.
- 17. Bloķēt JJ (2008) problēmas DSM-V: interneta atkarība. Am J Psihiatrija 165: 306 – 307. doi: 10.1176 / appi.ajp.2007.07101556
- 18. Doidge N (2007) Smadzenes, kas maina sevi: stāstus par smadzeņu zinātnes robežām. Penguin Books, 1st izdevums doi: 10.1080 / 10398560902721606
- 19. Amerikas Psihiatriskās asociācijas (2013) diagnostiskā un statistiskā rokasgrāmata garīgajiem traucējumiem (DSM-5). American Psychiatric Publishing (APPI) .. doi: 10.1007 / springerreference_179660
- 20. Bernardi S (2009) SPallanti (2009) Interneta atkarība: aprakstošs klīniskais pētījums, kurā uzmanība pievērsta saslimšanām un disociatīviem simptomiem. Compr Psychiatry 50: 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011
- 21. Caplan SE (2002) Problēmas lietošana internetā un psihosociālā labklājība: uz teoriju balstītas kognitīvās uzvedības mērinstrumenta izstrāde. Comput Human Behav 18: 553 – 575. doi: 10.1016 / s0747-5632 (02) 00004-3
- 22. Shaw M, Black DW (2008) Interneta atkarība: definīcija, novērtējums, epidemioloģija un klīniskā vadība. CNS narkotikas 22: 353 – 365. doi: 10.2165 / 00023210-200822050-00001
- 23. Tao R, Huang X, Wang J, Zhang H, Zhang Y, et al. (2010) Ierosinātie diagnostikas kritēriji interneta atkarībai. Atkarība 105: 556 – 564. doi: 10.1111 / j.1360-0443.2009.02828.x
- 24. Ding W, Sun J, Sun Y, Zhou Y, Li L, et al. (2013) Mainīts noklusējuma tīkla atpūtas stāvokļa funkcionālais savienojums pusaudžiem ar interneta spēļu atkarību. PLOS ONE 8: e59902. doi: 10.1371 / journal.pone.0059902
- 25. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Nenormāla balto vielu integritāte pusaudžiem ar interneta atkarības traucējumiem. PLOS ONE 7: e30253. doi: 10.1371 / journal.pone.0030253
- 26. Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Pieaugošā funkcionālā smadzeņu savienojamība pusaudžiem ar interneta atkarību. PLOS ONE 8: e57831. doi: 10.1371 / journal.pone.0057831
- 27. Liu J, Yuan L, Ye J (2010) Efektīvs algoritms saliedētu lāzeru problēmu grupai. In: KDD. lpp. 323 – 332.
- 28. Yuan K, Cheng P, Dong T, Bi Y, Xing L, et al. (2013) Kortikālā biezuma anomālijas vēlu pusaudža vecumā ar tiešsaistes spēļu atkarību. PLOS ONE 8: e53055. doi: 10.1371 / journal.pone.0053055
- 29. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2011) Pelēkās vielas novirzes interneta atkarībā: vokseļa morfometrijas pētījums. Eur J Radiol 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025
- 30. Yuan K, Jin C, Cheng P, Yang X, Dong T, et al. (2013) Zema frekvences svārstību noviržu amplitūda pusaudžiem ar tiešsaistes spēļu atkarību. PLOS ONE 8: e78708. doi: 10.1371 / journal.pone.0078708
- 31. Zuo XN, Ehmke R, Mennes M, Imperati D, Castellanos FX, et al. (2012) Tīkla centralitāte cilvēka funkcionālajā savienojumā. Cereb Cortex 22: 1862 – 1875. doi: 10.1093 / cercor / bhr269
- 32. Koschützki D, Lehmann KA, Peeters L, Richter S, Tenfelde-Podehl D, et al. (2005) Centrālo rādītāju rādītāji. In: Brandes U, Erlebach T, redaktori, Tīkla analīze: metodoloģiskie pamati. Ņujorka: Springer-Verlag, sējums 3418, lpp. 16 – 61.
- 33. Bārda KW, Wolf EM (2001) Izmaiņas ierosinātajos diagnostikas kritērijos interneta atkarībai. Cyberpsychol Behav 4: 377 – 383. doi: 10.1089 / 109493101300210286
- 34. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Smadzeņu aktivitātes, kas saistītas ar tiešsaistes spēļu atkarības spēju. J Psychiatr Res 43: 739 – 747. doi: 10.1016 / j.jpsychires.2008.09.012
- 35. Young KS (1998), kas nozvejotas tīklā: kā atpazīt interneta atkarības pazīmes un uzvarētāju stratēģiju atveseļošanai. John Wiley un Sons.
- 36. Patton JH, Stanford MS, Barratt ES (1995) Barrata impulsivitātes skalas faktoru struktūra. J Clin Psychol 51: 768–774. doi: 10.1002 / 1097-4679 (199511) 51: 6 <768 :: aid-jclp2270510607> 3.0.co; 2-1
- 37. Huang X, Zhang Z (2001) Pusaudžu laika pārvaldības izvietojuma uzskaite. Acta Psychol Sin 33: 338 – 343.
- 38. Goodman R (1997) Stiprās un sarežģītās aptaujas lapas: Pētījums. J Bērna psiholoģijas psihiatrija 38: 581 – 586. doi: 10.1111 / j.1469-7610.1997.tb01545.x
- 39. Epšteins NB, Baldwin LM, bīskaps DS (1983) McMaster ģimenes novērtēšanas ierīce. J Marital Fam Ther 9: 171 – 180. doi: 10.1111 / j.1752-0606.1983.tb01497.x
- 40. Yan CG, Zang YF (2010) DPARSF: MATLAB rīku komplekts, lai analizētu miera stāvokli fMRI. Front Syst Neurosci 4: 13. doi: 10.3389 / fnsys.2010.00013
- 41. Song XW, Dong ZY, Long XY, Li SF, Zuo XN, et al. (2011) REST: rīku komplekts funkcionālās magnētiskās rezonanses attēlveidošanas datu apstrādei. PLOS ONE 6: e25031. doi: 10.1371 / journal.pone.0025031
- 42. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Nevēlamas, bet sistemātiskas korelācijas funkcionālo savienojumu MRI tīklos rodas no objekta kustības. Neiroimage 59: 2142 – 2154. doi: 10.1016 / j.neuroimage.2011.10.018
- 43. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O et al. (2002) Automatizētā aktivācijas anatomiskā marķēšana SPM, izmantojot MNI MRI viena subjekta smadzeņu makroskopisku anatomisku sadalīšanu. Neiroimage 15: 273 – 289. doi: 10.1006 / nimg.2001.0978
- 44. Achard S, Bullmore E (2007) Ekonomisko smadzeņu funkcionālo tīklu efektivitāte un izmaksas. PLoS Comput Biol 3: e17. doi: 10.1371 / journal.pcbi.0030017
- 45. Bassett DS, Meyer-Lindenberg A, Achard S, Duke T, Bullmore E (2006) Adaptīvā fractal mazo pasaules cilvēku smadzeņu funkcionālo tīklu pārveidošana. Proc Natl Acad Sci ASV 103: 19518 – 19523. doi: 10.1073 / pnas.0606005103
- 46. Rubinov M, Sporns O (2010) Sarežģītu tīklu smadzeņu savienojamības mērījumi: lietojumi un interpretācijas. Neiroimage 52: 1059 – 1069. doi: 10.1016 / j.neuroimage.2009.10.003
- 47. Smit DJA, Stam CJ, Posthuma D, Boomsma DI, De Geus EJC (2008) “Mazās pasaules” tīklu pārdzīvojamība smadzenēs: Grafiskā teorētiskā analīze par atpūtas valsts EEG funkcionālo savienojumu. Hum Brain Mapp 29: 1368 – 1378. doi: 10.1002 / hbm.20468
- 48. Zhang J, Wang J, Wu Q, Kuang W, Huang X, et al. (2011) Traucēts smadzeņu savienojamības tīkls narkotiku, pirmās epizodes, lielas depresijas traucējumiem. Biol psihiatrija 70: 334 – 342. doi: 10.1016 / j.biopsych.2011.05.018
- 49. Latora V, Marchiori M (2001) Efektīva mazo pasaules tīklu darbība. Fiziskā Rev Lett 87: 198701. doi: 10.1103 / physrevlett.87.198701
- 50. Watts DJ, Strogatz SH (1998) „Mazās pasaules” tīklu kolektīvā dinamika. Daba 393: 440 – 442. doi: 10.1038 / 30918
- 51. He Y, Wang J, Wang L, Chen ZJ, Yan C, et al. (2009) Atklājot spontānas smadzeņu aktivitātes moduļu organizatorisko struktūru cilvēkiem. PLOS ONE 4: 1 – 17. doi: 10.1371 / journal.pone.0005226
- 52. Gong G, Rosa-Neto P, Carbonell F, Chen ZJ, He Y, et al. (2009) Vecuma un ar dzimumu saistītas atšķirības kortikālajā anatomiskajā tīklā. J Neurosci 29: 15684 – 15693. doi: 10.1523 / jneurosci.2308-09.2009
- 53. Tian L, Wang J, Yan C, He Y (2011) Puslodes un ar dzimumu saistītās atšķirības mazās pasaules smadzeņu tīklos: atpūtas valsts funkcionālais MRI pētījums. Neiroimage 54: 191 – 202. doi: 10.1016 / j.neuroimage.2010.07.066
- 54. Zhu W, Wen W, He Y, Xia A, Anstey KJ, et al. (2012) Topoloģisko modeļu maiņa normālā novecošanā, izmantojot liela mēroga strukturālos tīklus. Neirobiola novecošanās 33: 899 – 913. doi: 10.1016 / j.neurobiolaging.2010.06.022
- 55. Hayasaka S, Laurienti PJ (2010) Raksturlielumu salīdzinājums starp reģiona un vokseļa balstīta tīkla analīzēm miera stāvoklī fmri. Neiroimage 50: 499 – 508. doi: 10.1016 / j.neuroimage.2009.12.051
- 56. Fornito A, Zalesky A, Bullmore ET (2010) Tīkla mērogošanas efekti cilvēka miera stāvokļa fMRI datu grafiskajos analītiskajos pētījumos. Front Syst Neurosci 4: 22. doi: 10.3389 / fnsys.2010.00022
- 57. Zalesky A, Fornito A, Harding IH, Cocchi L, Yücel M, et al. (2010) Veseli smadzeņu anatomiskie tīkli: Vai mezglu izvēle ir svarīga? Neiroimage 50: 970 – 983. doi: 10.1016 / j.neuroimage.2009.12.027
- 58. Dosenbach NUF, Nardos B, Cohen AL, Fair DA, Power JD, et al. (2010) Individuālās smadzeņu brieduma prognozēšana, izmantojot fmri. Zinātne 329: 1358 – 1361. doi: 10.1126 / science.1194144
- 59. Maslov S, Sneppen K (2002) Specifitāte un stabilitāte proteīnu tīklu topoloģijā. Zinātne 296: 910 – 913. doi: 10.1126 / science.1065103
- 60. Buckner RL, Andrew-Hanna JR, Schacter DL (2008) Smadzeņu noklusējuma režīma tīkls: anatomija, funkcija un saistība ar slimībām. Ann NY Acad Sci 1124: 1–38. doi: 10.1196 / annals.1440.011
- 61. Greicius MD, Krasnow B, Reiss AL, Menon V (2003) Funkcionālais savienojums atpūtas smadzenēs: noklusējuma režīma hipotēzes tīkla analīze. Proc Natl Acad Sci ASV 100: 253 – 258. doi: 10.1073 / pnas.0135058100
- 62. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et al. (2001) Smadzeņu funkcijas noklusējuma režīms. Proc Natl Acad Sci ASV 98: 676 – 682. doi: 10.1073 / pnas.98.2.676
- 63. DA, Dosenbach NUF, baznīca JA, Cohen AL, Brahmbhatt S, et al. (2007) Atsevišķu kontroles tīklu attīstība, izmantojot segregāciju un integrāciju. Proc Natl Acad Sci ASV 104: 13507 – 13512. doi: 10.1073 / pnas.0705843104
- 64. Taisnīgā DA, Cohen AL, Power JD, Dosenbach NUF, baznīca JA, et al. (2009) Funkcionālie smadzeņu tīkli veidojas no “vietējās izplatītās” organizācijas. PLoS Comput Biol 5: e1000381. doi: 10.1371 / journal.pcbi.1000381
- 65. Kelly AC, Di Martino A, Uddin LQ, Zarrar Shehzad1 DGG, Reiss PT et al. (2009) Priekšējā cingulārā funkcionālā savienojuma izveide no vēlu bērnības līdz agrīnam pieaugušajam. Cereb Cortex 19: 640 – 657. doi: 10.1093 / cercor / bhn117
- 66. Supekar K, Musen M, Menon V (2009) Liela mēroga funkcionālo smadzeņu tīklu attīstība bērniem. PLoS Biol 7: e1000157. doi: 10.1371 / journal.pbio.1000157
- 67. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Samazināta funkcionālā savienojamība starpfilfērā autismā. Cereb Cortex 21: 1134 – 1146. doi: 10.1093 / cercor / bhq190
- 68. Wilson TW, Rojas DC, Reite ML, Teale PD, Rogers SJ (2007) Bērniem un pusaudžiem, kuriem ir autisms, piemīt pazeminātas MEG stabilitātes gamma reakcijas. Biol psihiatrija 62: 192 – 197. doi: 10.1016 / j.biopsych.2006.07.002
- 69. Uddin LQ, Supekar K, Menon V (2010) Funkcionāla cilvēka smadzeņu tīklu tipiska un netipiska attīstība: ieskats no miera stāvokļa fMRI. Front Syst Neurosci 4: 21. doi: 10.3389 / fnsys.2010.00021
- 70. Uddin LQ, Supekar KS, Ryali S, Menon V (2011) Strukturālā un funkcionālā savienojuma dinamiskā pārkonfigurācija galvenajos neirokognitīvo smadzeņu tīklos ar attīstību. J Neurosci 31: 18578 – 18589. doi: 10.1523 / jneurosci.4465-11.2011
- 71. Liang M, Zhou Y, Jiang T, Liu Z, Tian L, et al. (2006) Šizofrēnijas plaši izplatīta funkcionālā atvienojamība ar funkcionālo magnētiskās rezonanses attēlveidošanu. Neiroreport 17: 209 – 213. doi: 10.1097 / 01.wnr.0000198434.06518.b8
- 72. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2006) Palielināts vietējais un pazeminātais attālinātais funkcionālais savienojums ar EEG alfa un beta frekvenču joslām pacientiem, kuri ir atkarīgi no opioīdu lietošanas. Psihofarmakoloģija 188: 42 – 52. doi: 10.1007 / s00213-006-0474-4
- 73. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2007) Opioīdu izdalīšanās rezultātā palielinās lokālais un tālvadības funkcionālais savienojums EEG alfa un beta frekvenču joslās. Neurosci Res 58: 40 – 49. doi: 10.1016 / j.neures.2007.01.011
- 74. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et al. (2011) Samazināta starpfemuāli atpūstošā valsts funkcionālā savienojamība ar kokaīna atkarību. Biol psihiatrija 69: 684 – 692. doi: 10.1016 / j.biopsych.2010.11.022
- 75. Fair DA, Cohen AL, Church NUDJA, Miezin FM, Barch DM un citi. (2008) Smadzeņu noklusējuma tīkla nobriešanas arhitektūra. Proc Natl Acad Sci, USA, 105: 4028–4032. doi: 10.1073 / pnas.0800376105
- 76. Burbulis E, Sporns O (2009) Sarežģīti smadzeņu tīkli: Strukturālo un funkcionālo sistēmu teorētiskā analīze. Nat Rev Neurosci 10: 186 – 198. doi: 10.1038 / nrn2575
- 77. Viņš Y, Evans A (2010) Diagramma teorētiskā smadzeņu savienojamības modelēšana. Curr Opinion Neurol 23: 341 – 350.
- 78. Stam CJ (2010) Anatomiskās un funkcionālās savienojamības raksturojums smadzenēs: komplekss tīklu skatījums. Int J Psychophysiol 77: 186 – 194. doi: 10.1016 / j.ijpsycho.2010.06.024
- 79. Wang J, Zuo X, He Y (2010) Grafiskā balstīta tīkla funkcionālā MRI analīze. Front Syst Neurosci 4: 16. doi: 10.3389 / fnsys.2010.00016
- 80. Latora V, Marchiori M (2003) Ekonomiskā mazās pasaules uzvedība svērtajos tīklos. Eur Physical Journal B 32: 249 – 263. doi: 10.1140 / epjb / e2003-00095-5
- 81. Tononi G, Edelman GM, Sporns O (1998) Sarežģītība un saskaņotība: informācijas integrēšana smadzenēs. Kognitīvo zinātņu tendences 2: 474 – 484. doi: 10.1016 / s1364-6613 (98) 01259-5
- 82. Mayberg HS (1997) Limbīnkortikālā disregulācija: ierosināts depresijas modelis. J Neiropsihiatrija Clin Neurosci 9: 471 – 481.
- 83. Goldstein RZ, Tomasi D, Rajaram S, Cottone LA, Zhang L, et al. (2007) Priekšējā cingulāra un mediālā orbitofrontālā garozas loma medikamentu norādījumu apstrādē ar kokaīna atkarību. Neirozinātne 144: 1153 – 1159. doi: 10.1016 / j.neuroscience.2006.11.024
- 84. Grüsser SM, Wrase J, Klein S, Hermann D, Smolka MN, et al. (2004) Cue izraisīta striatuma un mediālās prefrontālās garozas aktivācija ir saistīta ar turpmāko recidīvu abstinentos alkoholistos. Psihofarmakoloģija (Berl) 175: 296 – 302. doi: 10.1007 / s00213-004-1828-4
- 85. Miedl SF, Fehr T, Meyer G, Herrmann M (2010) Problēmu azartspēļu neirobioloģiskās korelācijas kvazi reālistiskā blackjack scenārijā, ko atklāja fMRI. Psihiatrijas Res 181: 165 – 173. doi: 10.1016 / j.pscychresns.2009.11.008
- 86. Matochik JA, London ED, Eldreth DA, kadets JL, Boll KI (2003) Frontālās kortikālo audu sastāvs abstinenciālos kokaīna lietotājos: magnētiskās rezonanses pētījums. Neuroimage 19. doi: 10.1016 / s1053-8119 (03) 00244-1
- 87. Fujiwara J, Tobler PN, Taira M, Iijima T, Tsutsui KI (2009) Segregēta un integrēta atlīdzības un sodu kodēšana cingulārā garozā. J Neurophysiol 101: 3284 – 3293. doi: 10.1152 / jn.90909.2008
- 88. Yu C, Gupta J, Yin HH (2010) Mediodorsālās talamas loma atalgojuma vadītu darbību laikā. Priekšējā integrācija Neurosci 4: 14. doi: 10.3389 / fnint.2010.00014
- 89. Corbit LH, Muir JL, Balleine BW (2003) Mediodorsālā talamusa un priekšējo talamisko kodolu bojājumi rada disoksibējamu ietekmi uz instrumentālo kondicionēšanu žurkām. Eur J Neurosci 18: 1286 – 1294. doi: 10.1046 / j.1460-9568.2003.02833.x
- 90. Saper CB (2002) Centrālā autonomā nervu sistēma: apzināta vīrusu uztvere un autonomā modeļa veidošanās. Annu Rev Neurosci 25: 433 – 469. doi: 10.1146 / annurev.neuro.25.032502.111311
- 91. Ray JP, Prince JL (1993) Makamās pērtiķiem paredzētas projekcijas no talamusa mediodorsālās kodola uz orbitālo un mediālo prefrontālo garozu. J Comp Neurol 337: 1 – 31. doi: 10.1002 / cne.903370102
- 92. Rullis ET (2004) Orbitofrontālās garozas funkcijas. Brain Cogn 55: 11 – 29. doi: 10.1016 / s0278-2626 (03) 00277-x
- 93. Dong G, Huang J, Du X (2012) Izmaiņas atpūtas smadzeņu aktivitātes reģionālajā homogenitātē interneta spēļu narkomānos. Behav Brain Funct 18: 8 – 41. doi: 10.1186 / 1744-9081-8-41
- 94. Steriade M, Llinás RR (1998) Talamus funkcionālie stāvokļi un ar tiem saistītā neironu mijiedarbība. Physiol Rev 68: 649 – 742.
- 95. Stein T, Moritz C, Quigley M, Cordes D, Haughton V, et al. (2000) Funkcionālais savienojums talamā un hipokampā tika pētīts ar funkcionālu grafisko attēlu. AJNR Am J Neuroradiols 21: 1397 – 1401.
- 96. Burgess N, Maguire EA, O'Keefe J (2002) Cilvēka hipokamps un telpiskā un epizodiskā atmiņa. Neirons 35: 625–641. doi: 10.1016 / s0896-6273 (02) 00830-9
- 97. Warburton EC, Baird A, Morgan A, Muir JL, Aggleton JP (2001) Hippocumpas un priekšējo talamisko kodolu kopīgā nozīme visiem piešķirtajiem telpiskajiem mācībām: Pierādījumi no atdalīšanas pētījuma ar žurkām. J Neurosci 21: 7323 – 7330.
- 98. Garavan H, Hester R, Murphy K, Fassbender C, Kelly C (2006) Individuālās atšķirības inhibējošās kontroles funkcionālajā neuroanatomijā. Brain Res 1105: 130 – 142. doi: 10.1016 / j.brainres.2006.03.029
- 99. Menon V, Adleman NE, White CD, Glover GH, Reiss AL (2001) Smadzeņu aktivācija ar kļūdām Go / NoGo reakcijas inhibēšanas uzdevuma laikā. Hum Brain Mapp 12: 131–143. doi: 10.1002 / 1097-0193 (200103) 12: 3 <131 :: aid-hbm1010> 3.0.co; 2-c
- 100. Whitfield-Gabrieli S, Ford JM (2012) Noklusējuma režīma tīkla darbība un savienojamība psihopatoloģijā. Annu Rev Clin Psychol 8: 49 – 76. doi: 10.1146 / annurev-clinpsy-032511-143049
- 101. Ding X, Lee SW (2013) Kokaīna atkarības atkārtojamās smadzeņu reģioni ar nenormālu noklusējuma režīma tīkla funkcionālo savienojumu: grupa ica pētījums ar dažādiem modeļu pasūtījumiem. Neurosci Lett 548: 110 – 114. doi: 10.1016 / j.neulet.2013.05.029
- 102. Ma N, Liu Y, Fu XM, Li N, Wang CX, et al. (2011) Nenormāla smadzeņu noklusējuma režīma tīkla funkcionālā savienojamība narkomāniem. PLOS ONE 6: e16560. doi: 10.1371 / journal.pone.0016560
- 103. Tschernegg M, Crone JS, Eigenberger T, Schwartenbeck P, Fauth-Bühler M, et al. (2013) Funkcionālo smadzeņu tīklu patoloģiskās azartspēļu anomālijas: grafiskā teorētiskā pieeja. Priekšējais Hum Neurosci 7: 625. doi: 10.3389 / fnhum.2013.00625
- 104. Kolb B, Whishaw IQ (1998) Smadzeņu plastiskums un uzvedība. Annu Rev Psychol 49: 43 – 64. doi: 10.1146 / annurev.psych.49.1.43
- 105. Shaw CA, McEachern J, redaktori (2001) Ceļā uz teoriju neiroplastiskumu. Psiholoģija Prese.
- 106. Kolb B, Gibb R (2003) Smadzeņu plastiskums un uzvedība. Curr Dir Psychol Sci 12: 1 – 5. doi: 10.1111 / 1467-8721.01210
- 107. Kolb B, Gibb R (2011) Smadzeņu plastiskums un uzvedība jaunattīstības smadzenēs. J Vai Acad Child Adolesc psihiatrija 20: 265 – 276.
- 108. Robinsons TE, Berridge KC (1993) Narkotiku iejaukšanās nervu pamats: atkarības teorijas stimulēšana. Brain Res Rev 18: 247 – 291. doi: 10.1016 / 0165-0173 (93) 90013-p
- 109. Alavi SS, Maracy MR (2011) Psihiatrisko simptomu ietekme uz interneta atkarības traucējumiem Isfahanas universitātes studentos. J Res Med Sci 16: 793–800.
- 110. Egger O, Rauterberg M (1996) Interneta uzvedība un atkarība. Tehniskais ziņojums, Darba un organizāciju psiholoģijas nodaļa (IFAP), Šveices Federālais tehnoloģiju institūts (ETH), Cīrihe.
- 111. Petrie H, Gunn D (1998) Interneta „atkarība”: seksa, vecuma, depresijas un introversijas ietekme. In: British Psychological Society Londonas konference. Londona, Lielbritānija: Britu psiholoģiskā biedrība. Britu Psiholoģijas biedrības Londonas konferencē.