Zema frekvences svārstību amplitūda pusaudžiem ar tiešsaistes spēļu atkarību (2013)

PLoS Viens. 2013 Nov 4;8(11):e78708.

doi: 10.1371 / journal.pone.0078708. eCollection 2013.

Yuan K1, Jin C, Cheng P, Yang X, Dong T, Bi Y, Xing L, von Deneen KM, Yu D, Liu J, Liang J, Cheng T, Qin W, Tian J.

Anotācija

Lielākā daļa iepriekšējo neirektēšanas pētījumu ir pierādījušas gan strukturālas, gan ar uzdevumu saistītas funkcionālās novirzes pusaudžiem ar tiešsaistes spēļu atkarību (OGA). Tomēr daži funkcionālie magnētiskās rezonanses (fMRI) pētījumi, kas vērsti uz asins skābekļa līmeņa atkarības (BOLD) spontāno svārstību reģionālo intensitāti atpūtas stāvokļa laikā un mazāk pētījumu, pētīja saistību starp patoloģiskajām miera stāvoklī esošajām īpašībām un kognitīvās kontroles traucējumiem. spējas. Šajā pētījumā mēs izmantojām zemas frekvences svārstību (ALFF) metodes amplitūdu, lai izpētītu spontānās smadzeņu aktivitātes lokālās iezīmes pusaudžiem ar OGA un veselīgu kontroli miera stāvoklī. Šajā pētījumā piedalījās astoņpadsmit pusaudži ar OGA un 18 vecumu, izglītību un dzimumu. Salīdzinot ar veselīgu kontroli, pusaudžiem ar OGA bija vērojams ievērojams ALFF vērtību pieaugums kreisajā orbitofrontālā garozā (OFC), kreisajā precuneus, kreisajā papildu motora zonā (SMA), labajā parahippocampal gyrus (PHG) un divpusējā vidējā cingulātā garozā (MCC). Šo reģionu novirzes tika konstatētas arī iepriekšējos atkarības pētījumos. Vēl svarīgāk, mēs noskaidrojām, ka kreisā mediālā OFC un kreisā precuneus ALFF vērtības bija pozitīvi korelētas ar OGA ilgumu pusaudžiem ar OGA. Arī kreisā mediālā OFC ALFF vērtības korelēja ar krāsu vārdu Stroop testu. Mūsu rezultāti liecināja, ka šo reģionu patoloģiskā spontāna neironu aktivitāte var būt saistīta ar OGA pamatā esošo patofizioloģiju.

Ievads

Online spēļu atkarība (OGA) ir definēta kā nepareiza interneta izmantošana un indivīda nespēja kontrolēt savu interneta lietošanu, kas ir klasificēts kā viena impulsu kontroles traucējuma veids. [1]-[3]. Ķīnas Jaunatnes interneta asociācijas dati (paziņojums 2 februārī, 2010) parādīja, ka OGA biežums Ķīnas jauniešu vidū ir aptuveni 14%. Kā viens no kopīgajiem garīgās veselības traucējumiem ķīniešu pusaudžiem OGA ir saistīta ar indivīda psiholoģiskās labklājības pasliktināšanos, akadēmisko mazspēju un samazinātu darba veiktspēju. [4], kas pašlaik kļūst arvien nopietnāka veselības problēma pusaudžiem visā pasaulē [5], [6]. Lai gan OGA vēl nav oficiāli kodificēta psihopatoloģiskā sistēmā, daudzi OGA pusaudžu pētījumi ir atklājuši strukturālas un funkcionālas novirzes orbitofrontālajā garozā (OFC), papildu motora zonā (SMA), cingulārajā garozā, parahippocampal gyrus (PHG), dorsolaterālā prefrontālā garozā. (DLPFC), precuneus, temporālās gyrus, insula un smadzenītes [1], [2] Šo reģionu anomālijas ir saistītas ar vielu atkarību no daudziem atkarības pētījumiem [7]un var būt saistīta ar disfunkcijām kognitīvajā kontrolē, izpildvaras kontrolē, tieksmē, atalgojuma jutībā, mērķtiecīgā uzvedībā un darba atmiņā OGA pusaudžiem. [1].

Lai gan OGA rada individuālu un sociālu slogu, OGA pašlaik nav standartizēta [8]. Ķīnā klīnikas ir īstenojušas pulku grafikus, stingru disciplīnu un elektriskās strāvas triecienu ārstēšanu, kā arī ieguvuši pazīstamību par šīm ārstēšanas pieejām [4]. Efektīvu OGA intervences un ārstēšanas metožu izstrādei būs nepieciešama skaidra izpratne par mehānismiem, kas ir šī stāvokļa pamatā. Līdz šim lielākā daļa OGA pētījumu ir vērsti uz strukturālo deficītu un ar darbu saistītu funkcionālu traucējumu noteikšanu cilvēkiem ar OGA, kas bija noderīgi, novērtējot OGA pamatā esošos neironu mehānismus. Tomēr daži pētījumi ir novērtējuši no asins skābekļa līmeņa atkarīgo (BOLD) signālu izmaiņas OGA reģionālajā spontānā aktivitātē atpūtas stāvoklī. Kā neinvazīva pieeja, atpūtas stāvokļa funkcionālās magnētiskās rezonanses attēlveidošana (fMRI) tika izmantota, lai izpētītu spontānas zemas frekvences svārstības (LFF) BOLD signālos, kas novērš ar darbību saistītus traucējumus un var atspoguļot spontāno nervu aktivitāti smadzenēs [9], [10]. Turklāt atpūtas stāvokļa fMRI metode ir plaši izmantota, lai atklātu smadzeņu raksturīgo un netipisko funkcionālo arhitektūru. [10]. Nenormāla neironu aktivitāte atpūtas stāvoklī var kalpot par piemērotu marķieri, lai atspoguļotu vairāku smadzeņu slimību progresu un traucēto izpildfunkciju.

Nesen Liu et al. izmantoja reģionālo homogenitātes (ReHo) metodi un konstatēja, ka cilvēki ar OGA uzrāda ievērojamu ReHo vērtības pieaugumu labajā cingulārajā gyrus, divpusējā parahippocampus, kreisajā precuneus un kreisajā labajā frontālajā girā. [11]. ReHo metode atspoguļo reģionālās LFF laika viendabīgumu neatkarīgi no intensitātes, un tā ir balstīta uz hipotēzi, ka telpiski blakus esošajiem vokseļiem vajadzētu būt līdzīgiem laikiem. [12]. Lai gan tiek uzskatīts, ka LFF (ALFF) amplitūda ir saistīta ar vietējo neironu aktivitāti, ALFF izmaiņu pamats OGA joprojām ir neskaidrs. [13]. Turklāt Liu et al. [11] nav pētījusi saistību starp nenormālām atpūtas stāvokļa īpašībām un OGA ilgumu. Lai tālāk izpētītu miega stāvokļa novirzes OGA pusaudžiem, šajā pētījumā tika izmantota ALFF metode, un tika iegūti dati par OGA ilgumu. Turklāt pētnieki ir atklājuši kognitīvās kontroles spējas traucējumus pusaudžiem ar OGA, izmantojot krāsu vārdu Stroop uzdevumu [14], [15]. Tāpēc uzvedības novērtējums šajā pētījumā bija darbs ar krāsu vārdu Stroop uzdevumu. Neiroapstiprināšanas rezultātu saistība ar labi definētiem uzvedības rādītājiem, kas, kā zināms, skar OGA, būtu vēl viens rādītājs par šo konstatējumu nozīmīgumu OGA.

Materiāli un metodes

Visas izpētes procedūras apstiprināja Rietumķīnas slimnīcas apakškomiteja par cilvēka pētījumiem un tika veiktas saskaņā ar Helsinku deklarāciju. Visi mūsu pētījuma dalībnieki un viņu aizbildņi sniedza rakstisku informētu piekrišanu.

Priekšmeti

Saskaņā ar modificēto Young Diagnostic Questionnaire (YDQ) par OGA kritērijiem ar Beard un Wolf [8], [16]divdesmit studenti ar OGA tika izfiltrēti no 165 pirmkursa un otrā kursa studentiem. Astoņpadsmit pusaudži ar OGA (12 vīrieši, vidējais vecums = 19.4 ± 3.1 gadi, izglītība 13.4 ± 2.5 gadi) piedalījās mūsu pētījumā, izslēdzot divus kreisās puses spēlētājus. Lai noskaidrotu, vai smadzeņu struktūrā ir kādas lineāras izmaiņas, slimības ilgums tika novērtēts, izmantojot retrospektīvu diagnozi. Mēs aicinājām subjektus atcerēties savu dzīvesveidu, kad viņi sākotnēji bija atkarīgi no galvenokārt tiešsaistes spēles, ti, World of Warcraft (WOW). Lai garantētu, ka viņi cieš no OGA, mēs tos atkārtoti pārbaudījām ar YDQ kritērijiem, kurus mainīja Bārda un Vilks. OGA priekšmetu pašnovērtējumu ticamību apstiprināja arī sarunas ar saviem vecākiem pa tālruni, kā arī istabas biedriem un klasesbiedriem.

Pētījumā piedalījās arī astoņpadsmit vecuma un dzimuma veselībai atbilstošas ​​kontroles (12 tēviņi un 6 sievietes, vidējais vecums = 19.5 ± 2.8 gadi, izglītība 13.3 ± 2.0 gadi), bez psihisku traucējumu anamnēzē. Saskaņā ar iepriekšējiem OGA pētījumiem mēs izvēlējāmies veselīgu kontroli, kas internetā pavadīja mazāk par 2 stundām dienā [4]. Veselās kontroles tika pārbaudītas arī ar YDQ kritērijiem, kurus modificēja Beard un Wolf, lai nodrošinātu, ka viņi necieš no OGA. Visi atlasītie dalībnieki, kas tika pārbaudīti, bija vietējie labās puses ķīnieši un tika novērtēti ar personisku pašnovērtējumu un Edinburgas Handedness anketu. Abu grupu izslēgšanas kritēriji bija 1) neiroloģiska traucējuma esamība, ko izvērtēja strukturētā klīniskā intervija garīgo traucējumu diagnostikas un statistikas rokasgrāmatai, ceturtais izdevums (DSM-IV); 2) alkohols, nikotīns vai narkotiku lietošana ar urīna narkotiku skrīningu; 3) sievietēm grūtniecības vai menstruācijas periodā; un 4) jebkura fiziska slimība, piemēram, smadzeņu audzējs, hepatīts vai epilepsija, kas novērtēta saskaņā ar klīniskiem novērtējumiem un medicīniskiem datiem. Lai novērtētu visu dalībnieku emocionālos stāvokļus pēdējo divu nedēļu laikā, tika izmantota Hamiltona trauksmes skala (HAMA) un Beck depresijas inventārs-II (BDI). Detalizētāka demogrāfiskā informācija ir sniegta Tabula 1.

Tabula 1 

Demogrāfijas priekšmets pusaudžiem ar tiešsaistes spēļu atkarības (OGA) un kontroles grupām.

Uzvedības datu vākšana

Saskaņā ar iepriekšējo pētījumu [17], krāsu vārdu Stroop uzdevumu dizains tika īstenots, izmantojot E-prime 2.0 programmatūru (http://www.pstnet.com/eprime.cfm). Šim uzdevumam tika izmantots bloka dizains ar trim nosacījumiem, ti, vienāds, nesaderīgs un atpūsties. Trīs vārdi - sarkans, zils un zaļš - tika attēloti trīs krāsās (sarkanā, zilā un zaļā krāsā) kā līdzīgi un nesaderīgi stimuli. Atpūtas laikā ekrāna vidū tika parādīts krusts, un personām bija jārisina acis uz šī krusta bez atbildes. Visi notikumi tika ieprogrammēti divos posmos ar dažādām kongruentu un nesakārtotu bloku sekvencēm. Katram dalībniekam tika uzdots atbildēt uz redzamo krāsu pēc iespējas ātrāk, nospiežot pogu uz Serial Response Box ™ ar labo roku. Poga nospiež ar indeksu, vidējo un gredzenveida pirkstu attiecīgi sarkanā, zilā un zaļā krāsā. Dalībnieki tika individuāli pārbaudīti klusā telpā, kad viņi bija mierīgā stāvoklī. Pēc sākotnējās prakses uzvedības dati tika apkopoti divas vai trīs dienas pirms MRI skenēšanas.

MRI datu iegūšana

Visi fMRI pētījumi tika veikti ar 3-T GE skeneri (EXCITE, GE Signa, Milwaukee, WI, ASV), izmantojot standarta putnu paketes galviņu, kā astoņu kanālu fāzes bloku galvas spole Huaxi MR pētniecības centrā, Čengdu, Ķīnā . Putu spilventiņi tika izmantoti, lai samazinātu galvas kustību un skenera troksni. Pēc parastās lokalizācijas skenēšanas T1 svērtā attēla tika iegūti ar bojātu gradienta atkārtošanas secību (atkārtošanās laiks (TR) = 1900 ms; atbalss laiks (TE) = 2.26 ms; flip leņķis (FA) = 9 °; FOV) = 256 × 256 mm2; datu matrica = 256 × 256; šķēles = 176; vokseļa izmērs = 1 × 1 × 1 mm3). Pēc tam tika iegūti atpūtas stāvokļa funkcionālie attēli, izmantojot echo-planar-attēlveidošanas secību (TR = 2000ms; TE = 30ms; FA = 90 °; FOV = 240 × 240 mm)2; datu matrica = 64 × 64) ar 32 asu šķēlītēm (šķēles biezums = 5 mm un bez šķēles atstarpes, kopējie tilpumi = 180) vienā sešu minūšu laikā. Priekšmetiem tika uzdots aizvērt acis, saglabāt skenēšanu un sistemātiski nedomāt par to. Datu iegūšanas beigās visi priekšmeti apstiprināja, ka viņi paliek nomodā visā skenēšanas periodā.

Datu priekšapstrāde un ALFF aprēķins

Visa funkcionālā attēlu apstrāde tika veikta ar statistisko parametru kartēšanu (SPM5, http://www.fil.ion.ucl.ac.uk/spm) programmatūra un datu apstrādes palīgs atpūtas valsts fMRI (DPARSF) programmatūrai [18]. Katram dalībniekam pirmie desmit laika punkti tika izmesti, lai izvairītos no pārejas signāla izmaiņām, pirms magnetizācija sasniedza stabilu stāvokli un ļāva personām pierast pie fMRI skenēšanas vides. Atlikušie 170 smadzeņu apjomi tika koriģēti pēc šķēles laika un tika pielāgoti galvas kustības korekcijai. Nevienam subjektam nebija kustības, kas pārsniedza 1 mm vai 1 ° rotāciju nevienā virzienā. Pēc tam visi reorganizētie attēli telpiski normalizēti Monreālas neiroloģijas institūta (MNI) EPI veidnē, atkārtoti tika izdrukāti ar 3 mm izotropajiem vokseļiem un pēc tam telpiski izlīdzināti (pilna platuma puse ar maksimālo = 8 mm). Pēc tam, zvanot funkcijām atpūtas valsts fMRI datu analīzes rīkkopā (REST, http://rest.restfmri.net), lineārās tendences noņemšana un frekvenču joslas caurlaide (0.01 – 0.08 Hz), lai samazinātu zemas frekvences novirzes un augstfrekvences fizioloģiskā trokšņa ietekmi [18] tika veiktas laika rindās.

Pēc pirmapstrādes ALFF aprēķins tika veikts, izmantojot DPARSF, izsaucot funkcijas REST, kā iepriekšējos pētījumos [19]. Pirmkārt, lai iegūtu jaudas spektru, filtrētās laika rindas tika pārveidotas par frekvenču apgabalu, izmantojot ātru Furjē transformāciju (FFT). Tad katram frekvences datu punktam ieguva jaudas spektra kvadrātsakni, lai iegūtu amplitūdu kā frekvences funkciju. Šīs vērtības, kas vidēji aprēķinātas 0.01 – 0.08 Hz katrā vokselī, tika izmantotas kā ALFF vērtības. Tādējādi šo vidējo kvadrātsakni izmantoja kā ALFF vērtību. Katra vokseļa ALFF tika sadalīts ar globālo vidējo ALFF vērtību visā smadzeņu maskā katram subjektam, kā rezultātā tika iegūts standartizēts ALFF katram vokselim, kura vērtība bija aptuveni 1.

Statistiskā analīze

Novērtēt atšķirības starp OGA grupas un kontroles grupas vecumu, dzimumu, slimības ilgumu un izglītības gadu, divu paraugu tTesti tika veikti, izmantojot SPSS 13.0 un a p> 0.05 tika uzskatīts par nenozīmīgu. Lai izpētītu, kurās jomās ALFF vērtības atšķiras no 1 vērtības, viens paraugs t-pārbaude (pKatrā grupā tika veikta <0.05, izmantojot kļūdu ģimenē (FWE), izmantojot SPM5. Tad divu paraugu tTests tika veikts, lai noskaidrotu ALFF atšķirības starp abām grupām pēc vecuma un dzimuma kontroles. Vairāku salīdzinājumu korekcija tika veikta, izmantojot Monte Karlo simulācijas. Labots slieksnis p<0.05 tika iegūts no kombinētā sliekšņa p<0.005 katram vokselim un minimālais kopas izmērs ir 351 mm3 (AlphaSim programma AFNI programmatūrā, http: // afni.nimh.nih.gov/). Attiecībā uz smadzeņu reģioniem, kuros OGA pacientiem parādījās nenormālas ALFF īpašības, katra reģiona ALFF vērtības tika iegūtas, vidēji aprēķinātas un regresētas pret patoloģiskajiem indikatoriem, ko atspoguļo slimības ilgums un krāsu vārdu Stroop uzdevumu izpilde.

rezultāti

Mūsu rezultāti parādīja, ka mūsu mazā parauga izmeklēšanā OGA līmenis bija aptuveni 12.1%. Saskaņā ar viņu pašnovērtējumu par interneta lietošanu, OGA subjekti pavadīja 10.2 ± 2.6 stundas dienā un 6.3 ± 0.5 dienas nedēļā tiešsaistes spēlēm. Pusaudži ar OGA pavadīja vairāk stundu dienā un vairāk dienas nedēļā internetā nekā kontroles (p<0.005) (Tabula 1).

Uzvedības datu rezultāti

Abām grupām bija ievērojams Stroop efekts, kur reakcijas laiks bija ilgāks inkongruenta laikā nekā vienāds stāvoklis (OGA: 677.3 ± 75.4 ms vs 581.2 ± 71.6 ms un kontrole: 638.3 ± 65.9 ms vs 549.0 ± 50.6 ms; p<0.005). Neatbilstoša stāvokļa laikā OGA grupa pieļāva vairāk kļūdu nekā kontroles grupa (8.56 ± 4.77 pret 4.56 ± 2.93; p<0.05), lai gan reakcijas aizture, ko mēra ar reakcijas laiku (RT) neatbilstoša stāvokļa laikā, atskaitot kongruentus apstākļus, abās grupās būtiski neatšķīrās (98.2 ± 40.37 ms pret 91.92 ± 45.87 ms; p > 0.05).

Attēlveidošanas datu rezultāti

Gan OGA grupas, gan kontroles grupas ALFF kartes ir norādītas Fig. 1abām grupām bija ievērojami augstākas ALFF vērtības aizmugurējā cingulārā garozā (PCC) / precuneus, mediālā prefrontālā garozā (MPFC) un divpusējā zemākā parietālā daiviņa (IPL) atpūtas stāvoklī. Šie reģioni iepriekšējos pētījumos lielā mērā ir iekļauti noklusējuma režīma tīklā [19]. Divu paraugu t- vecuma un dzimuma kontrole un korekcija, veicot vairākus salīdzinājumus (izmantojot mazākā klastera lieluma Montekarlo simulācijas, iegūstot koriģēto slieksni p <0.05 no nekoriģētā sliekšņa p <0.005 katram vokselim) atklāja, ka OGA grupa ALFF vērtībās kreisajā mediālajā OFC, kreisajā precuneus, kreisajā SMA, labajā PHG un divpusējā MCC, salīdzinot ar kontroles grupu. Netika atrasti smadzeņu reģioni ar pazeminātām ALFF vērtībām. Turklāt tika novērota ievērojami pozitīva korelācija starp OGA ilgumu un standartizētajām ALFF vērtībām kreisajā mediālajā OFC (r = 0.6627, p  = 0.0027) un kreisais precuneus (r = 0.5924, p  = 0.0096) (Fig. 2). Tika konstatēts, ka kreisā OFC ALFF vērtības korelē ar atbildes kļūdu skaitu nesakritīgā stāvoklī starp pusaudžiem ar OGA (r = 0.6690, p  = 0.0024) (Fig. 3). Tā kā OGA subjektiem bija ievērojami augstāki depresijas rādītāji, ko mēra BDI, mēs atkārtoti analizējām funkcionālos attēlveidošanas datus, izmantojot BDI kā kovariātu. Iegūtie dati bija līdzīgi sākotnējiem datiem. Mēs arī pārbaudījām, vai BDI rādītāji korelē ar neparastu smadzeņu reģionu ALFF vērtībām, OGA un krāsu vārda Stroop uzdevuma izpildes ilgumu. Tomēr nozīmīgi rezultāti netika novēroti.

Skaitlis 1 

Viens paraugs t-testa rezultāti.
Skaitlis 2 

Divi paraugi t-testa analīze.
Skaitlis 3 

Smadzeņu uzvedības attiecību analīze.

diskusija

Šajā pētījumā ALFF metode tika izmantota, lai izpētītu atpūtas stāvokļa atšķirības starp pacientiem ar OGA un normālu kontroli. ALFF ir vienkārša un pārliecinoša metode BOLD signāla zemas frekvences svārstību amplitūdas mērīšanai, un iepriekšējie pētījumi ir parādījuši šīs metodes spēju precīzi noteikt, kura smadzeņu zona ir spontāna spontāna aktivitāte [13]. Katrā grupā mēs noskaidrojām dažus reģionus, kuros ir daudz augstākas ALFF vērtības nekā pārējiem smadzeņu reģioniem atpūtas stāvoklīFig. 1). Šie reģioni plaši pārklājās ar galveno noklusējuma režīma tīkla (DMN) reģioniem. [20]. Attiecībā uz diviem paraugiem t- rezultāti attiecībā uz veselīgu kontroli, pusaudžiem ar OGA parādīja palielinātu ALFF kreisajā mediālajā OFC, kreisajā precuneus, kreisajā SMA, labajā PHG un divpusējā MCC atpūtas stāvoklī (Fig. 2). Ir vērts atzīmēt, ka OGA subjektiem bija ievērojami augstāki depresijas rādītāji BDI, tomēr analīze, ieskaitot BDI kā kovariātu, atklāja līdzīgus rezultātus. Turklāt kreisā mediālā OFC un precuneus ALFF vērtības bija pozitīvi korelētas ar OGA ilgumu (Fig. 2). Turklāt, lai apstiprinātu traucēto kognitīvās kontroles spēju pusaudžiem ar OGA, mūsu pētījumā tika izmantots Stroop tests. Atbilst iepriekšējiem konstatējumiem [14], [15], OGA grupa vairāk kļūdas nekā kontroles grupā incongruent stāvokļa laikā, kas parādīja, ka pusaudžiem ar OGA bija pazemināta kognitīvās kontroles spēja, ko mēra ar krāsu vārdu Stroop testu. Interesanti, ka ALFF kreisās OFC vērtības arī korelēja ar kļūdām, kas radušās neatbilstošā stāvoklī starp pusaudžiem ar OGA (Fig. 3). Mūsu rezultāti liecina, ka ALFF izmaiņas OFC var kalpot kā biomarkers, lai atspoguļotu traucētās kognitīvās kontroles spējas OGA.

Šajā pētījumā konstatējām, ka ALFF vērtības palielinājās kreisajā mediālajā OFC OGA grupā. Anatomiski OFC ir plaši sakari ar striatuma un limbiskajiem reģioniem (piemēram, amygdala), kas, šķiet, ir iesaistīti mērķtiecīgas uzvedības kognitīvajā kontrolē, novērtējot stimulu motivējošo nozīmi un uzvedības izvēli, lai iegūtu vēlamo rezultāti. OFC strukturālās novirzes un disfunkcija OGA ir ziņots iepriekšējos pētījumos [4], [11], [15]. Park et al. izmanto a 18F-fluorodoksiglikozes pozitronu emisijas tomogrāfijas (PET) pētījums, lai pētītu reģionālo smadzeņu glikozes vielmaiņu atpūtas stāvoklī jauniem indivīdiem ar OGA un normālu kontroli, un parādīja, ka OFC metabolisma aktivitāte pusaudžiem ar OGA palielinājās, salīdzinot ar parasto kontroli [21]. Šī analīze liecināja, ka neparasta metabolisma aktivitāte OFC jomā var būt saistīta ar impulsu kontroles traucējumiem un atalgojuma apstrādi pusaudžiem ar OGA. Saistībā ar funkcionāliem MRI pētījumiem Ko et al. identificēja tiešsaistes azartspēļu atkarības neironu substrātus, novērtējot smadzeņu zonas, kas saistītas ar bižutērijas izraisīto spēļu mudinājumu, un konstatēja, ka OFC var tikt aktivizēts neparasti narkomānos, salīdzinot ar kontrolēm [22]. Šā secinājuma līdzība ar cue-inducēto tieksmi pēc atkarības no vielas [23], kas liecināja, ka spēļu atkarības un atkarības no atkarības pēc vēlēšanās var būt vienādi neirobioloģiskie mehānismi. Iepriekšējie strukturālie neirektēšanas pētījumi arī ziņoja par samazinātu pelēkās vielas tilpumu OFC grupā [1], [4]. Atbilstoši šiem funkcionālajiem un strukturālajiem konstatējumiem, mūsu pētījumā konstatēja augstākas ALFF vērtības mediālajā OFC pusaudžiem ar OGA salīdzinājumā ar kontrolēm. Turklāt OGA grupā tika novērota nozīmīga korelācija starp OFC ALFF vērtībām un uzdevuma izpildi krāsu vārda Stroop testa laikā.Skaitlis 3). Iepriekšējie atkarības pētījumi atklāja saikni starp Stroop traucējumiem un relatīvo glikozes metabolismu OFC starp kokaīna atkarīgajiem pacientiem [24]. Šī smadzeņu uzvedības saistība parādīja, ka OFC patoloģiskās atpūtas īpašības bija saistītas ar kognitīvās kontroles traucējumiem pusaudžiem ar OGA.

ALFF vērtības bija lielākas priekšgatavībā OGA pacientiem, salīdzinot ar kontrolēm. Precuneus ir smadzeņu reģions parietālās daivas posteromediālajā garozā, un tam ir svarīga loma izziņas kognitīvajā funkcionēšanā. [25]. Paredzēts, ka precuneus ir iesaistīts epizodiskajā atmiņā, vizuālajā un telpiskajā attēlā, pašapstrādē un apziņā [25]. Nesen daži pētnieki ziņoja, ka OGA koledžas studentu vidū kreisajā precuneus palielinājās ReHo, salīdzinot ar kontrolēm [11]. Turklāt pētījums parādīja, ka precuneus bija saistīts ar OGA spēļu vēlmi, vēlmi un smagumu, un ierosināja, ka precuneus aktivizējas, lai apstrādātu spēļu biļeti, integrētu ielādētu atmiņu un veicinātu cue-inducētu vēlmi pēc tiešsaistes spēlēm. [26]. Tādēļ mēs iesakām, ka pusaudžu, kuriem ir OGA, miera stāvokļa novirzes var būt saistītas ar ilgstošu OGA.

Lielākas ALFF vērtības OGA tēmās, salīdzinot ar kontrolēm, tika konstatētas arī kreisajā SMA, divpusējā MCC un pareizajā PHG. SMA ir svarīga loma kognitīvajā kontrolē, brīvprātīgā darbībā, motora reakciju uzsākšanā / inhibēšanā [27] un arī emocionālā konfliktā [28]. KC ir cingulate gyrus vidējā daļa, kas ir būtiska konfliktu uzraudzībai un apstrādei [29]. Iepriekšējās vielas lietošanas pētījumos tika ziņots par atkarības atkarīgām SMA un MCC stāvokļa novirzēm [30], [31]. Tiek uzskatīts, ka PHG veicina saistītās informācijas veidošanos un uzturēšanu darba atmiņā [32]. Darba atmiņa attiecas uz informācijas pagaidu uzglabāšanu un tiešsaistes manipulāciju, un tā ir būtiska arī kognitīvai kontrolei [33]. Liu et al. ziņoja par ReHo palielināšanos divpusējā PHG OGA koledžas studentos, salīdzinot ar kontrolēm [11]. Turklāt daži pētnieki arī konstatēja zemāku PHG anizotropiju OGA pacientiem [4]. Mūsu rezultāti apstiprināja PHG neparastu atpūtas režīmu pusaudžiem ar OGA.

Nobeigumā, šajā pētījumā mēs novērojām, ka ALFF bija nenormāls pusaudžiem ar OGA, salīdzinot ar kontrolēm, ti, augstākas ALFF vērtības kreisajā mediālajā OFC, kreisajā precuneus, kreisajā SMA, labajā PHG un divpusējā MCC. Mēs arī novērojām, ka augstākās ALFF vērtības kreisajā mediālajā OFC un kreisajā precuneus bija pozitīvi korelētas ar OGA ilgumu. Kreisā OFC ALFF vērtības korelēja ar krāsu vārdu Stroop uzdevuma izpildi (ti, atbildes kļūdas) OGA grupā. Mūsu secinājumi liecināja, ka šo reģionu patoloģiskā spontāna aktivitāte var atspoguļot pamata patofizioloģiju OGA lietotājiem. Sakarā ar līdzīgiem atpūtas stāvokļa konstatējumiem, kas saistīti ar atkarību no narkotikām, mēs ierosinājām, ka OGA varētu dalīties neironu mehānismos ar narkomāniju. Ir vērts atzīmēt, ka depresija ir jāuzskata par iespējamu mijiedarbību, skaidrojot pašreizējā pētījuma neirolizēšanas rezultātus. Ir vajadzīgs vēl viens visaptverošs pētījums, lai sniegtu vairāk zinātnisku perspektīvu par OGA.

Pateicības

Mēs vēlētos pateikties Qin Ouyang, Qizhu Wu, Junran Zhang, Changjian Hu un Haifeng Luo par vērtīgo tehnisko palīdzību, veicot šo pētījumu.

Finansējuma pārskats

Šo rakstu atbalsta Nacionālās pamatpētniecības un attīstības programmas (973) projekts saskaņā ar grantu Nr. 2011CB707700; Ķīnas Nacionālais dabaszinātņu fonds saskaņā ar dotācijām Nr. 81227901, 81271644, 81271546, 30930112, 81000640, 81000641, 81101036, 81101108, 31200837, 81030027, 81301281; un Centrālo universitāšu fundamentālie pētniecības fondi, Iekšējā Mongolijas Dabas zinātņu fonds saskaņā ar grantu Nr. 2012MS0908. Finansētājiem nebija nekādas nozīmes pētījuma izstrādē, datu vākšanā un analīzē, lēmumu publicēt vai sagatavot manuskriptu.

Atsauces

1. Yuan K, Qin W, Liu Y, Tian J (2011) Atkarība no interneta: neiro attēlveidošanas atklājumi. Komunikatīvā un integratīvā bioloģija 4: 0–1 [PMC bezmaksas raksts] [PubMed]
2. Flisher C (2010) Pievienošana: pārskats par interneta atkarību. Bērnu un bērnu veselības žurnāls 46: 557 – 559 [PubMed]
3. Christakis D (2010) Interneta atkarība: 21st gadsimta epidēmija? BMC zāles 8: 61. [PMC bezmaksas raksts] [PubMed]
4. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Mikrostruktūras anomālijas pusaudžiem ar interneta atkarības traucējumiem. PloS one 6: e20708. [PMC bezmaksas raksts] [PubMed]
5. Murali V, George S (2007) Zaudēts tiešsaistē: pārskats par interneta atkarību. Psihiatriskās ārstēšanas attīstība 13: 24 – 30
6. Young KS (1998) atkarība no interneta: jauna klīniskā traucējuma rašanās. Kiberpsiholoģija un uzvedība 1: 237–244
7. Volkow ND, Wang GJ, Fowler JS, Tomasi D (2012) Atkarības shēma cilvēka smadzenēs. Farmakoloģijas un toksikoloģijas ikgadējais pārskats 52: 321 [PMC bezmaksas raksts] [PubMed]
8. Byun S, Ruffini C, Mills JE, Douglas AC, Niang M un citi. (2009) Interneta atkarība: 1996. – 2006. Gada kvantitatīvo pētījumu metasintēze. Kiberpsiholoģija un uzvedība 12: 203–207 [PubMed]
9. Duff EP, Johnston LA, Xiong J, Fox PT, Mareels I, et al. (2008) Spektra blīvuma analīzes jauda endogēno BOLD signālu svārstību kartēšanai. Cilvēka smadzeņu kartēšana 29: 778 – 790 [PubMed]
10. Fox MD, Raichle ME (2007) Spontānas svārstības smadzeņu darbībā, kas novērotas ar funkcionālo magnētiskās rezonanses attēlu. Daba Atsauksmes Neirozinātne 8: 700 – 711 [PubMed]
11. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Paaugstināts reģionālās homogēnums interneta atkarības traucējumā: atpūtas valsts funkcionālā magnētiskās rezonanses attēlveidošanas pētījums. Chin Med J (Engl) 123: 1904 – 1908 [PubMed]
12. Zang Y, Jiang T, Lu Y, He Y, Tian L (2004) Reģionālā homogenitātes pieeja fMRI datu analīzei. Neiroimage 22: 394 – 400 [PubMed]
13. Yang H, Long XY, Yang Y, Yan H, Zhu CZ, et al. (2007) Zema frekvences svārstību amplitūda redzes zonās, ko atklāj funkcionālā MRI. Neiroimage 36: 144 – 152 [PubMed]
14. Dong G, Zhou H, Zhao X (2011) Vīriešu interneta atkarīgie pierāda, ka izpildvaras kontroles spējas ir samazinājušās: pierādījumi no krāsu vārda „Stroop” uzdevuma. Neiroloģijas burti 499: 114 – 118 [PubMed]
15. Yuan K, Cheng P, Dong T, Bi Y, Xing L, et al. (2013) Kortikālā biezuma anomālijas vēlīnā pusaudža vecumā ar tiešsaistes spēļu atkarību. PloS one 8: e53055. [PMC bezmaksas raksts] [PubMed]
16. Bārda KW, Wolf EM (2001) Izmaiņas ierosinātajos interneta atkarības diagnostikas kritērijos. Kiberpsiholoģija un uzvedība 4: 377–383 [PubMed]
17. Xu J, Mendrek A, Cohen MS, Monterosso J, Simon S, et al. (2006) Cigarešu smēķēšanas ietekme uz prefrontālo kortikālo funkciju neciešamajos smēķētājiem, kas veic Stroop uzdevumu. Neiropsihofarmakoloģija 32: 1421 – 1428 [PMC bezmaksas raksts] [PubMed]
18. Chao-Gan Y, Yu-Feng Z (2010) DPARSF: MATLAB rīku komplekts, lai analizētu miera stāvokli fMRI. Sistēmas neirozinātnes robežas 4. [PMC bezmaksas raksts] [PubMed]
19. Yu-Feng Z, Yong H, Chao-Zhe Z, Qing-Jiu C, Man-Qiu S, et al. (2007) Sākotnējā smadzeņu aktivitātes maiņa bērniem ar ADHD atklājās funkcionālā MRI. Smadzenes un attīstība 29: 83 – 91 [PubMed]
20. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et al. (2001) Smadzeņu funkcijas noklusējuma režīms. Nacionālo Zinātņu akadēmijas darbi 98: 676 [PMC bezmaksas raksts] [PubMed]
21. Park HS, Kim SH, Bang SA, Yoon EJ, Cho SS, et al. (2010) Mainīts reģionālais smadzeņu glikozes metabolisms interneta spēļu pārnēsātājiem: 18F-fluorodoksiglikozes pozitronu emisijas tomogrāfijas pētījums. CNS Spectr 15: 159 – 166 [PubMed]
22. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Smadzeņu aktivitātes, kas saistītas ar tiešsaistes spēļu atkarības spēju. Psihiatrisko pētījumu žurnāls 43: 739 – 747 [PubMed]
23. Goldstein RZ, Volkow ND (2011) Prefontālās garozas disfunkcija atkarībā: neirofotogrāfijas konstatējumi un klīniskās sekas. Daba Atsauksmes Neirozinātne 12: 652 – 669 [PMC bezmaksas raksts] [PubMed]
24. Goldstein R, Volkow N (2002) Narkotiku atkarība un tās pamatā esošais neirobioloģiskais pamats: neirofotogrāfiskie pierādījumi frontālās garozas iesaistīšanai. American Journal of Psychiatry 159: 1642 – 1652 [PMC bezmaksas raksts] [PubMed]
25. Cavanna AE, Trimble MR (2006) Precuneus: tās funkcionālās anatomijas un uzvedības korelāciju pārskats. Smadzenes 129: 564 – 583 [PubMed]
26. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, et al. . (2011) Smadzeņu korelācijas ar tiešsaistes spēļu gājienu, kas pakļautas cue ekspozīcijai, ar subjektiem ar interneta spēļu atkarību un pārraidītiem priekšmetiem. Atkarības bioloģija. [PubMed]
27. Nachev P, Kennard C, Husain M (2008) Papildu un pirmspapildu motoru teritoriju funkcionālā loma. Daba Atsauksmes Neirozinātne 9: 856 – 869 [PubMed]
28. Ochsner KN, Hughes B, Robertson ER, Cooper JC, Gabrieli JDE (2009) Neironu sistēmas, kas atbalsta afektīvo un kognitīvo konfliktu kontroli. Kognitīvās neirozinātnes žurnāls 21: 1841 – 1854 [PubMed]
29. Goñi J, Aznárez-Sanado M, Arrondo G, Fernández-Seara M, Loayza FR, et al. (2011) Neirālā substrāta un nenoteiktības funkcionālā integrācija lēmumu pieņemšanā: informācijas teorija. PloS one 6: e17408. [PMC bezmaksas raksts] [PubMed]
30. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Pelēkās vielas deficīts un miega stāvokļa novirzes hiperīna atkarīgajiem indivīdiem. Neiroloģijas burti 482: 101 – 105 [PubMed]
31. Ma N, Liu Y, Li N, Wang CX, Zhang H, et al. (2010) Atkarība, kas saistīta ar miera savienojumu miera stāvoklī. Neiroimage 49: 738 – 744 [PMC bezmaksas raksts] [PubMed]
32. Luck D, Danion JM, Marrer C, Pham BT, Gounot D, et al. (2010) Pareizā parahippokampālā gyrus veicina saistītās informācijas veidošanos un uzturēšanu darba atmiņā. Smadzenes un izziņas 72: 255 – 263 [PubMed]
33. Engle RW, Kane MJ (2003) Vadītāja uzmanība, darba atmiņas ietilpība un divfaktoru kognitīvās kontroles teorija. Mācīšanās un motivācijas psiholoģija 44: 145 – 199