Priekšpsihiatrija. 2018 Apr 23, 9: 154. doi: 10.3389 / fpsyt.2018.00154. eCollection 2018.
Liu L1,2, Yao YW2, Li CR3,4, Zhang JT2, Xia CC5, Lan J1, Ma SS1, Zhou N1, Fang XY1.
Anotācija
Interneta spēļu traucējumi (IGD) ir raksturīgi kognitīviem un emocionāliem deficītiem. Iepriekšējie pētījumi ziņoja par IGD un depresijas vienlaicīgu parādīšanos. Tomēr ilgstoši smadzeņu attēlveidošanas pētījumi lielā mērā ir vērsti uz IGD kognitīvajiem deficītiem. Daži pētījumi ir risinājuši saslimstību starp IGD un depresijas simptomiem un pamatā esošajiem neironu mehānismiem. Šeit mēs sistemātiski pētījām šo jautājumu, apvienojot garengriezuma pētījumu, šķērsgriezuma atpūtas stāvokļa funkcionālo savienojumu (rsFC) un intervences pētījumu. Autoregresīvā pārkvalificētā koledžas studentu modelēšana uz ilgstošu datu kopu parādīja, ka IGD smagums un depresija ir savstarpēji paredzamas. Neironu līmenī indivīdi ar IGD parādīja pastiprinātu rsFC starp kreiso amygdalu un labo dorsolaterālo prefronālo garozu (DLPFC), zemāku frontālo un centrālo girusu, salīdzinot ar kontroles dalībniekiem, un amygdala-frontoparietālā savienojamība sākotnējā līmenī negatīvi prognozēja depresijas simptomu samazināšanos pēc psihoterapijas iejaukšanās. Turklāt pēc iejaukšanās indivīdiem ar IGD samazinājās savienojamība starp kreiso amygdalu un kreiso vidējo frontālo un precentrālo girusu, salīdzinot ar neiejaukšanās grupu. Šie secinājumi liecina, ka IGD var būt cieši saistīta ar depresiju; nelabvēlīga rsFC starp emocijām un izpildvaras kontroles tīkliem var būt depresijas pamatā un ir terapeitisks mērķis cilvēkiem ar IGD. Reģistra nosaukums: IGD uzvedības un smadzeņu mehānisms; URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405; Reģistrācijas numurs: NCT02550405.
Atslēgas vārdi:
amygdala; depresija; fMRI; interneta spēļu traucējumi; miera stāvokļa funkcionālais savienojums; subgenuala priekšējā cingulārā garoza
PMID: 29740358
PMCID: PMC5924965
DOI: 10.3389 / fpsyt.2018.00154
URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405;
Reģistrācijas numurs: NCT02550405.
Ievads
Uzvedības atkarībām un vielu lietošanas traucējumiem ir daudzas klīniskās izpausmes, tostarp līdzīgas slimības, piemēram, depresija [1]. Interneta atkarība (IA) ir uzskatīta par iespējamu atkarību no uzvedības. Interneta spēļu traucējumi (IGD), kā visbiežāk sastopamais IA veids, ir iekļauti Garīgo traucējumu diagnostikas un statistikas rokasgrāmatas piektajā izdevumā (DSM-5) kā nosacījums, kas attaisno turpmāku izpēti [2]. Psihiskās slimības parasti tiek uzskatītas par kategoriski atšķirīgām vienībām. Tomēr pētniecības domēna kritēriju (RDoC) iniciatīvā kognitīvo un emocionālo disfunkciju neirobioloģiskie marķieri tiek uzskatīti par nozīmīgiem diagnostikas klasifikācijā, un tos var sadalīt starp neiropsihiskiem apstākļiem [3]. Jo īpaši smadzeņu attēlveidošana ir nodrošinājusi efektīvu instrumentu šo nervu marķieru identificēšanai. Iepriekšējie pētījumi pētīja kognitīvo traucējumu neirālo bāzi, piemēram, nepietiekamu inhibējošu kontroli un nepareizu lēmumu pieņemšanu IGD [4, 5]. Tomēr emocionālās disfunkcijas (piemēram, depresija) un pamatā esošie neironu mehānismi šajā populācijā joprojām bija neskaidri, neskatoties uz IGD un depresijas augsto saslimstību.
Depresijas simptomi bieži parādās cilvēkiem ar IA / IGD [6]. Metaanalīze ziņoja, ka pacientiem ar IA (26.3%) ir ievērojami lielāks depresijas pacientu īpatsvars nekā veseliem kontrolieriem (11.7%) [7]. Pētījumi par IGD ziņoja arī par augstākām depresijas tendencēm indivīdiem, kas ir pakļauti IGD vai ar tiem, kā arī depresijas samazināšanās no IGD remisijas laikā [8-10]. Tomēr šie šķērsgriezuma rezultāti nespēja noskaidrot virzienu starp IA / IGD un depresiju [11, 12]. Perspektīvais pētījums palīdzētu vēl vairāk atklāt savstarpējo saistību starp IGD simptomiem un depresiju.
Atpūtas stāvokļa fMRI ir kļuvis par plaši izmantotu instrumentu, lai izpētītu iekšējo smadzeņu darbību [13, 14] un smadzeņu disfunkcija daudzos neiropsihiskos traucējumos, ieskaitot IGD un lielo depresijas traucējumu (MDD) [15, 16]. Svarīgi, ka IGD un MDD, šķiet, dalās miera un funkcionālās savienojamības (rsFC) izmaiņas emocionālajā tīklā, kas ietver amygdala un subgenual anterior cingulate garozu (sgACC). Konkrētāk, amygdala palīdz atklāt un integrēt pārtverošu un autonomu informāciju un emocionālus stimulus, kā arī negatīvu emociju atmiņu veidošanu un uzglabāšanu [11, 15, 17-19]. SgACC ir izšķiroša loma arousal regulēšanā, reaģējot uz emocionāliem un citiem svarīgiem stimuliem [20, 21]. Iepriekšējie pētījumi ziņoja par amygdala nepareizu mijiedarbību ar izpildvaras kontroles tīkla reģioniem, ieskaitot sānu prefrontālo garozu (PFC), kas saistīti ar pārmērīgu reakciju uz negatīviem stimuliem gan MDD [22-24] un IGD [25]. SgACC ir centrālā nozīme emocionālajā regulējumā [15, 22] un depresijas patoģenēze [15, 26]. Savstarpēji savienots ar sgACC un amygdala, PFC ir daļa no uzdevumu kontroles ķēdes, kas regulē emocijas [27]. Pacientiem ar MDD parādījās paaugstināta saikne starp sgACC un dorsolaterālo / dorsomediālo PFC, kopā ar pārmērīgu pašvirzīto rumināciju [28, 29]. Lielāks sgACC-PFC savienojums ir konstatēts arī cilvēkiem ar narkomāniju [30, 31]. Tādējādi, pārbaudot funkcionālos savienojumus starp amygdalu, sgACC un PFC, kā arī to saistību ar depresiju un atkarības smagumu var atklāt IGD kritiskos nervu fenotipus.
Turklāt iepriekšējie pētījumi parādīja, ka uzvedības iejaukšanās ir efektīva, lai uzlabotu gan atkarības smagumu [32, 33] un depresijas simptomi indivīdiem ar IGD vai IA kopumā [34-36]. Pētot, kā uzvedības iejaukšanās ietekmē emocionālo tīklu savienojamību un tās asociācijas ar depresijas samazināšanu un atkarības simptomiem, tiktu sniegti papildu pierādījumi IGD un depresijas kopīgo nervu substrātu atbalstam.
Šajā pētījumā mēs iepazīstinājām ar 4 gada garuma pētījuma rezultātiem, lai noskaidrotu saikni starp depresijas simptomu smagumu un atkarību IGD. Turklāt, lai noskaidrotu depresijas pamatā esošos neironu tīklus indivīdiem ar IGD, mēs veicām šķērsgriezuma rsFC pētījumu, kurā galvenā uzmanība tika pievērsta amygdala un sgACC. Visbeidzot, mēs pārbaudījām, kā uzvedības ārstēšana uzlaboja depresiju un atjaunojamo ķēdes disfunkciju saistībā ar depresiju indivīdiem ar IGD. Pamatojoties uz iepriekšējiem uzvedības pierādījumiem [11, 12, 37], mēs hipotētiski noskaidrojām divvirzienu saikni starp interneta atkarības / depresijas simptomu pagātni un nākotni. Turklāt, pamatojoties uz iepriekšējiem neiropsihiatriskajiem pētījumiem [25, 38Mēs pieņēmām, ka indivīdi ar IGD parādīs depresijas simptomus un mainītu amygdala un sgACC rsFC ar izpildvaras kontroles tīkla reģioniem, kurus varētu mazināt ar IGD uzvedību.
Materiāli un metodes
Dalībnieki
1. pētījumam dati tika savākti kā daļa no garengriezuma pētījuma par koledžas studentu interneta lietošanu Pekinas universitātē četros viļņos, sākot ar 2011. gadu. Izmantojot tiešsaistes aptaujas rīku, pirmā gada koledžas grupa studenti tika vērtēti katru gadu. Visi dalībnieki sniedza rakstisku informētu piekrišanu un viņiem tika finansiāli kompensēts laiks saskaņā ar protokolu, ko apstiprināja Pekinas Normālās universitātes Psiholoģijas skolas Institucionālās pārskata padome.
Aptaujas dalībnieki tika iekļauti pētījumā tikai tad, ja viņi bija spēlējuši tiešsaistes spēles un vidēji par 20% laika iztērējuši internetā spēļu spēlēs katrā no četriem secīgiem gadiem, no kuriem tika iegūti dati. No visiem 2,182 studentiem 1,619 (1,253 sievietes, 366 tēviņi) neatbilda iekļaušanas kritērijiem un tika izslēgti no pētījuma. Sieviešu izslēgšanas koeficients (90.99%) bija augstāks nekā vīriešiem (45.47%) (χ2 = 550.056, P <0.001). Tādējādi pētījumam tika iegūti 563 studentu (124 sieviešu un 439 vīriešu) aptaujas. Viņu vecums svārstījās no 16 līdz 21 gadam (vidējais ± SD = 18.31 ± .89) laikā 1.
2. un 3. pētījums abas bija daļa no lielāka IGD uzvedības iejaukšanās izstrādes un novērtēšanas projekta. Dalībnieki tika pieņemti darbā ar interneta starpniecību un vietējās universitātēs izvietotiem sludinājumiem, ievērojot šādus iekļaušanas kritērijus: (1) CIAS vērtējums> 6739]; (2)> 14 stundas nedēļā nodarbojas ar interneta spēlēm, vismaz vienu gadu. Veselas kontroles (HC) dalībnieku iekļaušanas kritēriji bija: (1) CIAS rādītājs <1; (60) nekad nav pavadījis vairāk nekā 2 stundas nedēļā, spēlējot interneta spēles. Visi dalībnieki bija vīrieši ar labo roku. Izslēgšanas kritēriji bija jebkāda pašreizēja vai iepriekšēja nelegālo vielu un azartspēļu (tostarp tiešsaistes azartspēļu) lietošana, jebkura psihiatrisko vai neiroloģisko slimību vēsture un pašreizējā psihotropo zāļu lietošana, kā vērtēts daļēji strukturētā intervijā. Kopumā 2. pētījumā piedalījās 76 personas ar IGD un 41 HC. 2. pētījumam tika pieņemti darbā 3 indivīdi ar IGD, no kuriem 63 piekrita piedalīties alku uzvedības iejaukšanās procesā (CBI + grupa), bet pārējie 44 bija kontroles grupā. (CBI− grupa) viņu darba grafika dēļ. Divdesmit trīs personas CBI + grupā piedalījās miera stāvokļa fMRI pirms un pēc CBI. Vienpadsmit no 19 CBI− vienlaicīgi tika skenēti līdzīgi. 19. un 2. pētījumu apstiprināja Pekinas Normālās universitātes Kognitīvās neirozinātnes un mācīšanās valsts galvenās laboratorijas Institucionālā pārskata padome.
Pasākumi
1, 2 un 3 pētījumiem mēs novērtējām interneta atkarības smagumu koledžas spēlētāju vidū, izmantojot Ķīnas interneta atkarības skalu (CIAS; 40), kas sastāv no 26 elementiem 4-punktā Likert skalā, novērtējot 5 dimensijas simptomiem / sekām, ieskaitot kompulsīvo lietošanu, atcelšanu, toleranci un starppersonu attiecību un veselības / laika pārvaldības problēmas. CIAS uzticamība un derīgums iepriekš ir pierādīts koledžu studentiem [40], un pašreizējā eksperimentā šīs skalas Kronbaha alfa koeficienti četros laika punktos bija 0.933–0.950. 1. pētījumam mēs izmērījām depresijas simptomus, izmantojot trīspadsmit simptomu kontrolsarakstu (SCL-90) [41]. Šie vienumi tika novērtēti skalā no 1 (nekad nav patiess) līdz 4 (vienmēr patiesi). Pašreizējā eksperimentā Kronbaha alfa koeficienti šai skalai četros laika punktos bija 0.888–0.936. 2. un 3. pētījumā dalībnieku depresijas simptomi tika mērīti, izmantojot Beka depresijas inventarizāciju (BDI) [42].
MRI datu iegūšana
2 un 3 pētījumiem MRI datu iegūšana un priekšapstrāde tika detalizēti aprakstīta iepriekšējā pētījumā [33]. Īsumā, miera stāvokļa fMRI dati tika iegūti 3.0 T Siemens Trio skenerī Brain Imaging Center, Pekinas Normal University. EPI datu parametri bija šādi: atkārtošanās laiks = 2,000 ms, atbalss laiks = 30 ms, pārsegšanās leņķis = 90 °, redzes lauks = 200 × 200 mm2, iegūšanas matrica = 64 × 64, vokseļa izmērs = 3.1 × 3.1 × 3.5 mm3, šķēle = 33, laika punkts = 200. Tika iegūts arī T1-wighted skenējums ar šādiem parametriem: atkārtošanās laiks = 2,530 ms, atbalss laiks = 3.39 ms, pārsegšanās leņķis = 7 °, redzes lauks = 256 × 256 mm2, vokseļa izmērs = 1 × 1 × 1.33 mm3, šķēles numurs = 144.
Uzvedības iejaukšanās (CBI)
CBI tika izstrādāta, pamatojoties uz agrāk izstrādātu rīcību [33]. Sarežģīti psiholoģiskie procesi, kas saistīti ar emocionālu disfunkciju [43], vēlēšanās var būt izšķiroša nozīme IGD izstrādē un uzturēšanā. Intervences, kas palīdz indivīdiem tikt galā ar iejaukšanos un mazina to, var veicināt pozitīvus rezultātus un novērst recidīvu (sīkāku informāciju skatīt papildmateriālu sadaļā).
Statistiskā analīze
Autoregressive Cross-Lagged modelēšana
Pētījumam 1 mēs izmantojām autoregresīvu pārrobežu nobīdes modelēšanu (ACLM), lai novērtētu gareniskās un savstarpējās attiecības starp atkarības smagumu un depresīviem simptomiem. ACLM ir piemērots divu konstrukciju attiecību pārbaudei laika gaitā. ACLM autoregresīvais parametrs norāda, cik labi agrākais pasākums yt prognozē vēlāko y mērījumu(t + 1), un pārrobežu nobīde norāda, kā agrākais pasākums zt prognozē vēlāku y mērījumu(t + 1) virs un ārpus iepriekšējā yt [44, 45]. ACLM ir plaši izmantots, lai izpētītu klīnisko, tostarp atkarības simptomu, savstarpējās attiecības [37, 46, 47]. Autoregresīvo šķērsgriezumu modeļu kopums tika pārbaudīts Mplus 7.4 [48]. Mplus izmanto pilnu informācijas maksimālās varbūtības (FIML) novērtēšanas metodi, lai apstrādātu trūkstošos datus (sīkāku informāciju skatīt papildmateriālos). SPSS 20.0 tika izmantots aprakstošai statistikai.
Invariance Across Time testēšana
ACLM iekļāva astoņus konstruktus: depresiju un atkarības smagumu Times 1, 2, 3 un 4. Katrā laika brīdī CIAS apakšskalas bija slēpts interneta atkarības smaguma mainīgais lielums, un depresijas smagums tika indeksēts ar SCL-90 depresijas apakšskalas punktu skaitu. Lai novērtētu autoregresīvās un šķērsošanas sekas, secīgi pārbaudījām konfigurācijas, metrisko (ti, iekraušanas) un strukturālo invarsiju. Mēs salīdzinājām četru ligzdoto modeļu modeļa piemērotības rādītājus (Tab. \ T 1).
Tabula 1. Autoregresīvo pārrobežu kavējumu modeļu salīdzinājums.
Modelis 1 kalpoja kā pamatmodelis bez invariancijas ierobežojumiem, lai pārbaudītu konfigurācijas invarsiju. Modelī 2 mēs pārbaudījām metrisko invarsiju, ierobežojot faktoru slodzes vienādām laika gaitā (tabula S2), lai nodrošinātu, ka konstrukcijām ir tāda pati nozīme katrā laika punktā [50, 51]. 3 modelī mēs ierobežojām depresijas smaguma (T) šķērsošanas ceļus 
atkarības smagums (T + 1) un atkarības smagums (T) depresijas smaguma pakāpe (T + 1) attiecīgi ir vienāda. Visbeidzot, modelī 4 mēs ierobežojām auto-regresīvos ceļus depresijai un atkarības smagumam laika gaitā, lai tie būtu vienādi (attēls 1). Pēc tam pēc kārtas salīdzinājām visu četru modeļu modeļus, lai izvēlētos labāko modeli. Χ2 Lai salīdzinātu modeli, tika izmantota vērtība, salīdzinošais piemērotības indekss (TFI), Tucker-Lewis indekss (TLI) un vidējā kvadrāta kļūda (RMSEA).49].
Skaitlis 1. Šķērsošanās regresijas analīze. Mēs norādām metrisko invarianci, konfigurācijas invarsiju un kļūdu kovarācijas invariāciju laika gaitā, izmantojot burtus ceļos. Numuri ir standartizēti ceļa koeficienti (*P <0.05; ***P <0.001).
Uzvedības datu statistiskā analīze
Pētījumā 2 divi paraugi tTesti tika veikti, lai salīdzinātu atkarību un depresijas smagumu starp IGD un HC grupām. 3 pētījumā tika izmantotas dispersijas analīzes (ANOVAs) ar atkārtotiem pasākumiem, lai pārbaudītu CBI ietekmi uz interneta spēļu raksturlielumiem, grupai (CBI + un CBI−) kā starp-subjektu faktoru un sesiju (bāzes un otrais tests) kā iekšējais faktors.
MRI datu pirmapstrāde
Dati tika iepriekš apstrādāti un analizēti, izmantojot DPABI versiju 1.2 (http://rfmri.org/dpabi) un SPM8 (http://www.fil.ion.ucl.ac.uk/spm). Pirmie 10 apjomi tika izmesti. Individuālie EPI dati tika koriģēti pa daļām. Tika izslēgti dalībnieki, kuru galvas kustība pārsniedzot 3.0 mm vai 3 ° rotācijā (2 IGD subjekti). Ar Friston-24 korekciju mēs turpinājām samazināt galvas kustības iespējamos traucējumus. Lai samazinātu fizioloģisko artefaktu iespējamo ietekmi, mēs atgriežām no cerebrospinālā šķidruma un balto vielu radītos signālus. Pēc tam EPI dati tika normalizēti uz Monreālas neiroloģijas institūta (MNI) telpu. Tika izmantots 4 mm telpiskais filtrs ar pilnu platumu uz pusi maksimālo Gausa kodolu. Pēc tam tika izmantots pārejas laika filtrs (0.01 – 0.10 Hz), lai samazinātu zemfrekvences triecienus un augstfrekvences troksni.
rsFC aprēķini
Divpusējas subgenual ACC un amygdala sēklas tika identificētas no savienojamības atlases atlantā [52] un no Brodmaņa apgabala atlanta (Brodmaņa apgabals 34, sk. S1. attēlu). Katras sēklas vidējās laika rindas tika regresētas pret visu smadzeņu vokseļiem, lai izveidotu savstarpējas korelācijas kartes. Korelācijas koeficienti tika pārveidoti Z rādītājos ar Fišera r-to-z transformāciju.
Mēs kontrastējām IGD un HC grupu rsFC sgACC un amygdalā 2. pētījumam un kontrastējām rsFC izmaiņas starp CBI + un CBI− grupām ([rsFC otrajā skenēšanā] - [rsFC sākotnējā līmenī]) 3. pētījumā ar diviem -paraugs t-testi un grupu atšķirības kartes tika izlabotas, izmantojot Gausa izlases lauka teoriju (GRFT, vokseļu līmenis P <0.001 apvienojumā ar klastera līmeni P <0.05 koriģēts pēc kļūdas ģimenē).
IGD grupas ietvaros 2. pētījumā mēs turpinājām veikt uz ROI balstītas regresijas analīzes, lai pārbaudītu attiecības starp BDI, CIAS rādītāju un rs-FC, ar ROI, kas identificēts, salīdzinot visu smadzenes. Mēs ziņojām par ievērojamām smadzeņu aktivizācijām ROI, kas koriģēta, izmantojot GRFT ar vokseļa līmeni P <0.005 un kopu līmenī P <0.05 (PSVC-FWE <0.05).
3 pētījumam CBI + grupā tika veiktas uz ROI balstītas regresijas analīzes, lai noskaidrotu attiecības starp BDI izmaiņām un CIAS rezultātu un mainīto rsFC, kā noteikts no diviem paraugiem. t-testi (vokseļu līmenis P <0.005 un kopu līmenī P <0.05; PSVC-FWE <0.05).
rezultāti
Pētījums 1: garengriezuma pētījums par depresiju un atkarību no interneta spēlētājiem
Divfaktoru korelācijas parādīja mērenu to pašu mainīgo stabilitāti četros viļņos, nozīmīgas vienlaicīgas korelācijas starp mainīgajiem katrā vilnī un nozīmīgas gareniskās korelācijas viļņos (sk. Tabulu S1). Konkrētāk, četros viļņos agrāk interneta atkarības smagums vēlāk bija saistīts ar augstāku depresiju (r 's svārstās no 0.19 līdz 0.27, P <0.01), un augstāka depresija agrāk bija saistīta ar lielāku atkarības smaguma pakāpi vēlāk (r 's svārstās no 0.25 līdz 0.30, P <0.01).
Lai pārbaudītu divvirzienu saikni starp atkarību un depresijas smagumu, mēs vispirms uzstādām modeli 1 bez jebkādiem kovariantiem vai ierobežojumiem. Šim pamatmodelim piemērots modelis bija labs [χ2(210)
= 441.049, P <0.001, CFI = 0.972, RMSEA = 0.044, SRMR = 0.070]. 1. modelis kalpoja par bāzes modeli salīdzināšanai ar ierobežotākiem modeļiem, kur katrs no šķērsām atpalikušajiem ceļiem mērījumos bija vienāds. Saskaņā ar mūsu hipotēzēm 2. modelis parādīja labāku piemērotību nekā 1. modelis ar labāku RMSEA, bet nebija būtiskas atšķirības χ2, CFI un TLI vērtības [Δχ2(12)
= 10.912, P > 0.05; ΔCFI <0.01, ΔTLI <0.01]. Tādējādi tika atbalstīta interneta atkarības metriskā nemainība, kas liek domāt, ka tiešsaistes spēlētāji 4 gadu laikā izprata un novērtēja atkarības smagumu. Otrkārt, 3. modelis bija labāks salīdzinājumā ar 2. modeli, ar nedaudz labāku RMSEA, bet to pašu CFI, TLI un χ2 vērtību. Tas nozīmē, ka abu attiecību [depresija / atkarības smagums (T) atkarība / depresijas smagums (T + 1)] bija identiski 4 gados. Pēc tam modelis 4 atšķīrās no 3 modeļa χ2 bet ne citus piemērotības indeksus (ΔCFI <0.01, ΔTLI <0.01, ΔRMSEA <0.01), kas liecina, ka katra divu mainīgo katra autoregresīvā iedarbība 4 gadu laikā bija stabila un identiska. Tādējādi 4. modelis tika izvēlēts kā šī pētījuma galīgais modelis.
Tabula 2 uzskaitīti 1 un 4 modeļa ceļa koeficienti un parādīts, ka interneta atkarības un depresijas simptomu smagums laika gaitā bija pozitīvs. Turklāt depresijas ietekme uz atkarības smagumu (β = 0.118, 0.126, 0.127) bija lielāka nekā atkarības smaguma ietekme uz depresiju (β = 0.070, 0.066, 0.070). Kopā šie rezultāti sniedz statistiskus rādītājus par depresijas un atkarības smaguma laika savstarpējo saistību.
Tabula 2. Pamatmodeļa un ARCL modeļa 6 parametru aprēķini.
Pētījums 2: Depresijas nervu korelācijas interneta spēļu traucējumos
IGD un HC priekšmetu demogrāfija un interneta spēļu raksturojums
IGD un HC priekšmeti neatšķīrās no vecuma, izglītības vai alkohola lietošanas un cigarešu smēķēšanas pasākumiem. Kā paredzēts, IGD subjekti ziņoja par lielāku BDI (8.78 ± 5.54 pret 2.85 ± 3.64; t = 6.91, P <0.001) un augstāki CIAS rādītāji (78.46 ± 8.40 pret 43.49 ± 9.64; t = 20.27, P <0.001), salīdzinot ar HC subjektiem (S3. Tabula).
rsFC atšķirības starp IGD un HC objektiem
Salīdzinot ar HC, IGD priekšmeti uzrādīja ievērojami augstāku rsFC starp kreiso amygdalu un labo DLPFC (attēls 2 un Tabula 3). Tomēr nav novērotas būtiskas starpgrupu atšķirības pareizajā amygdala vai divpusējā sgACC sēklās. Izmantojot liberālāku kritēriju (vokseļu līmenis P <0.005 un kopu līmenī P <0.05), IGD subjektiem bija ievērojami augstāks rsFC starp kreiso sgACC un labo DLPFC (S2. Attēls un S4. Tabula).
Skaitlis 2. Atpūtas stāvokļa funkcionālais savienojums IGD un HC priekšmetos (A) un saistība ar depresiju IGD grupā (B).
Tabula 3. Sēklu atrašanās vietas un reģioni, kuros ir ievērojamas atšķirības starp IGD un HC objektiem (GRFT, vokseļu līmenis) P <0.001 un kopu līmenī P <0.05).
Smadzeņu uzvedības attiecības
IGD grupā depresijas rādītājs bija negatīvi korelēts ar savienojumu starp kreiso amygdalu un labo DLPFC (MNI: 57, 9, 30; r = −0.35; Attēls 2). Nebija būtiskas sakarības starp atkarības smaguma pakāpi un kreiso amygdala - pareizo DLPFC savienojumu.
3 pētījums: uzvedības iejaukšanās ietekme uz depresiju un terapeitiskās efektivitātes neirālo bāzi
Demogrāfija un interneta spēļu raksturojums
ANOVA ar atkārtotiem mērījumiem parādīja grupu (CBI + un CBI−) pēc sesijas (pirmais un otrais novērtējums) mijiedarbību pēc IGD smaguma pakāpes [F(1, 59) = 22.62, P <0.001] un BDI rādītājs [F(1, 59) = 7.89, P <0.01] (tabula 4). Salīdzinājumā ar kontroles grupu intervences grupa pēc ārstēšanas novēroja būtisku gan CIAS, gan depresijas rādītāju samazināšanos.
Tabula 4. Izmērīto mainīgo salīdzinājumi starp CBI + un CBI− grupu pirms un pēc iejaukšanās.
Izmaiņas rsFC CBI + un CBI− grupās
Salīdzinājumā ar CBI - grupu, pēc iejaukšanās CBI + grupa uzrādīja ievērojami samazinātu kreisā amygdala rsFC ar kreiso priekšējo gyrus un DLPFC. 3A un Tabula 5). Tomēr nav novērotas būtiskas starpgrupu atšķirības pareizajā amygdala vai divpusējā sgACC sēklās. Ar liberālāku kritēriju (vokseļu līmenis P <0.005 un kopu līmenī P <0.05), CBI + subjektiem ievērojami samazinājās funkcionālā savienojamība starp kreiso sgACC un kreiso postcentral gyrus (S3. Attēls un S5. Tabula).
Skaitlis 3. Rezultāti pētījumā 3. RsFC izmaiņu salīdzinājumi ([rsFC otrajā skenēšanā] - [rsFC sākumā]) starp CBI + un CBI− grupām pa kreisi amygdala ar MFG, precentrālo gyrus un SFG (A); Negatīva saistība starp kreisās amygdalas FC un labo DLPFC sākotnējā līmenī ar mainītu depresijas rādītāju CBI + grupā (B); Scatterplot tiek parādīta korelācija starp mainīto BDI un beta vērtību vērtību, kas saglabājusies amygdala-DLPFC bāzes līnijā rsFC (C).
Tabula 5. Sēklu atrašanās vietas un reģioni, kuros ir ievērojamas atšķirības starp CBI + un CBI− grupām (GRFT, voxel līmenis P <0.001 un kopu līmenī P <0.05).
Smadzeņu uzvedības attiecības
Lai gan CBI + grupā netika novērotas būtiskas saiknes starp rsFC izmaiņām un depresijas vai atkarības smaguma pakāpi, savienojums starp kreiso amygdala un labo DLPFC sākotnējā līmenī bija negatīvs saistīts ar mainīto depresijas rādītāju ([pēcreģistrācijas], MNI: 42, 15, 27, r = 0.63; SVC; Skaitļi 3B, C) CBI + grupā. Tomēr asociācija nebija nozīmīgāka, ja tika kontrolēta depresijas smaguma pakāpe.
diskusija
Mēs izvērtējām attiecības starp depresijas un atkarības simptomiem un pamatā esošajiem neironu mehānismiem, apvienojot garengriezuma pētījumu, šķērsgriezuma atpūtas stāvokļa funkcionālo savienojumu (rsFC) pētījumu un intervences pētījumu. Kopumā interneta atkarība un depresija uztur divvirzienu attiecības starp interneta spēlētājiem, jo atkarība un depresijas smagums savstarpēji ietekmē viens otru 4 gada laikā. Tieši salīdzinot indivīdus ar IGD un HC subjektiem, mēs noskaidrojām, ka IGD grupai bija augstāka depresijas smaguma pakāpe un amygdala-DLPFC rsFC, savienojuma stiprums negatīvi saistīts ar depresiju IGD grupā. Turklāt indivīdiem ar IGD bija pazemināta depresijas smaguma pakāpe un rsFC starp amygdala un DLPFC pēc uzvedības iejaukšanās IGD. Nepareizas mijiedarbības starp emocionāliem un izpildvaras kontroles tīkliem var veicināt IGD depresijas simptomus, un intervences, kas vērstas uz šīm aberācijām, var mazināt gan interneta atkarības, gan depresijas simptomus. Kopā šie secinājumi sniedz spēcīgu atbalstu, ka interneta spēļu atkarība un depresijas simptomi ir cieši saistīti.
Rezultāti atbilst hipotēzei, ka interneta spēlētāju atkarības un depresijas simptomus savstarpēji ietekmē viens otrs. Konkrēti, depresijas / interneta atkarības smagums agrākā laikā pozitīvi prognozē atkarības / depresijas smagumu vēlāk. Tādējādi tiešsaistes spēlētāju atkarība un depresijas smagums ir divvirzienu saistīts, kas atbilst citu atkarības traucējumu rezultātiem [53, 54]. Lai gan iepriekšējie pētījumi atklāja augstāku depresiju tiešsaistes spēlētāju vidū [5, 16, 55, 56], kā arī savstarpējās attiecības starp depresiju un atkarības smagumu, izmantojot garengriezuma datus [57], pašreizējie atklājumi ir pirmie, kas demonstrē stabilas divvirzienu attiecības starp depresijas simptomiem un atkarību interneta spēlētājiem. Divvirzienu attiecības var izpausties, jo (1) indivīdi saskaras ar emocionālo ciešanu, spēlējot interneta spēles [2, 58]; (2) ilgstošas interneta spēles izraisa depresiju reālās dzīves trūkuma vai izstāšanās dēļ [58, 59]. Turklāt daži kopīgi faktori, piemēram, bioloģiskie, sociālie vai agrīnie dzīves apstākļi, var palielināt gan depresijas, gan IGD, kā arī to asociācijas risku.58, 60]. Turklāt depresijas ietekme uz atkarības smagumu bija lielāka nekā atkarības ietekme uz depresiju, un tas ir jautājums, kas prasa turpmāku izmeklēšanu.
Neironu līmenī, salīdzinot ar HC, IGD grupā bija ievērojami lielāks rsFC starp kreisās amygdalas un labo DLPFC, kas bija negatīvs saistīts ar depresijas smagumu IGD grupā. Amygdala spēlē galveno lomu emocionālā apstrādē, atpazīšanā un atmiņas veidošanā [11, 17, 19]. Svarīgi ir tas, ka PFC var modificēt reaktivitāti ar amygdalu, un depresijā ir raksturīga novirze starp šiem diviem reģioniem. Turklāt PFC var modificēt reakcijas reakciju uz amygdalu, un depresijā raksturīga novirze starp šiem diviem reģioniem. Piemēram, iepriekšējos miera stāvokļa pētījumos depresijā ir pierādīts vājāks rsFC starp amygdala un PFC.23, 24, 61], IGD [25] un alkohola ļaunprātīga izmantošana [62]. MDD ir ziņots arī par samazinātu PFC-amygdala funkcionālo savienojumu emociju saistīto uzdevumu laikā.27, 38, 63]. DLPFC atbalsta gan kognitīvo, gan emocionālo kontroli [64] un mainīta savienojamība starp DLPFC un amygdala var būt saistīta ar grūtībām vai traucējumiem negatīvās emocijas regulēšanā. Atšķirībā no vairākiem iepriekšējiem pētījumiem MDD, pašreizējie konstatējumi parādīja paaugstinātu amygdala-DLPFC savienojumu. An ad-hoc paskaidrojums ir tāds, ka IGD dalībnieki var turpināt spēlēt spēļu kā izaicināšanas stratēģiju, lai izvairītos no negatīvām emocijām58, 61], iesaistot DLPFC negatīvu emociju kontrolē, kas var būt relatīvi neskarts indivīdiem ar IGD [65], salīdzinot ar tiem, kuriem ir MDD. Jāatzīmē, ka IGD subjekti ar augstākiem depresijas simptomiem parādīja zemāku savienojumu starp amygdala un DLPFC, norādot, ka attiecības starp depresiju un amygdala-DLPFC savienojumu var nebūt lineāras. Tādējādi IGD subjekti ar zemākiem depresijas simptomiem var pastiprināt prefrontālo kontroli pār amygdala aktivitāti, lai pārvaldītu emocionālās problēmas, taču šāda modulācija nebija tik efektīva vai pat traucēta pacientiem ar smagākiem depresijas simptomiem. Kopā ar amygdala centrēto savienojumu izmaiņu virzienu nepieciešams vairāk pētījumu, rūpīgi apsverot metodoloģiju, depresijas smagumu, prefrontālo apakšreģionu funkcionālo neviendabīgumu un medikamentu ārstēšanas ietekmi. ”
Tas atbilst IGD uzvedības intervences metaanalīzes rezultātiem [34], pašreizējais intervences pētījums parādīja ievērojamu interneta atkarības un depresijas simptomu samazināšanos CBI + grupā pēc iejaukšanās, salīdzinot ar CBI− grupu. Turklāt CBI + grupā bija redzams, ka amagdalas rsFC samazinājās ar frontālo kortikālo zonu. Tādējādi CBI, šķiet, normalizē amygdala-DLPFC savienojumu, tieši samazinot negatīvo emocionālo stimulu nozīmi, lai IGD priekšmeti pieprasītu mazāk izziņas resursus emociju regulēšanai. Kopumā šie secinājumi liecina, ka funkcionālā mijiedarbība starp amygdala un DLPFC var kalpot par depresijas simptomu potenciālu neirobioloģisko marķieri IGD un klīniskās iejaukšanās mērķa mērķa mērķa grupā.
Pretēji MDD datiem [15, 29, 64], nav konstatētas būtiskas sgACC centrētas rsFC izmaiņas indivīdiem ar IGD, kā arī CBI ietekme rsFC attīrīšanā starp sgACC un prefrontālo garozu. Viens no iespējamiem izskaidrojumiem bija tas, ka pētījumā 2 un 3 mēs izslēdzām IGD pacientus ar smagu depresiju, lai kontrolētu iespējamos traucējošos faktorus, un sgACC disfunkcija var neizpausties cilvēkiem ar mazāku depresiju. Vēl viena iespēja attiecas uz dažādiem mehānismiem, kas izraisa augstākus depresijas simptomus IGD pacientiem un MDD pacientiem, un šis jautājums jāturpina pētīt, pētot indivīdus ar vienreizēju un komorbidālu diagnozi. Tomēr jāatzīmē, ka rezultāti parādīja līdzīgus tīkla modeļus starp sgACC un amygdala, kas bija saskaņā ar pētījumiem MDD, ka negatīvā afektīvā tīkla rsFC pārklājās prefrontālajā garozā [23, 29].
Pētījumā atklājās divvirzienu saikne starp depresiju un atkarības smagumu, kā arī tās pamatā esošajiem nervu mehānismiem IGD. Vismaz šie konstatējumi liecina par svarīgu neironu fenotipu - potenciālu RDoC [3] - IGD. Šie rezultāti var arī radīt jaunu gaismu par efektīvāku iejaukšanos IGD. Emocionāla disfunkcija, ieskaitot depresiju, ir atkarīga no svarīga terapeitiska mērķa, jo tā ir saistīta ar recidīvu [66]. Pamatojoties uz pašreizējiem konstatējumiem, plānojot iejaukšanās un izvērtējot IGD terapeitiskos rezultātus, jāņem vērā depresija un cita emocionāla disfunkcija. Piemēram, pieejas, piemēram, reālā laika fMRI neiro-atgriezeniskā saite [67] modulēt rsFC amygdala un sgACC var efektīvi uzlabot gan IGD, gan depresijas simptomus un papildināt citus pasākumus, lai panāktu labākus rezultātus.
Jāņem vērā daži ierobežojumi. Pirmkārt, pētījums 1 izmantoja SCL-90 apakšskalu, bet 2 un 3 pētījumā tika izmantots BDI depresijas mērīšanai. Lai gan abi ir plaši izmantoti novērtēšanas rīki ar labām psihometriskām īpašībām, secinājumi vēl jāapstiprina ar pētījumiem, izmantojot konsekventus mērījumus. Otrkārt, IGD ir viens no visvairāk pētītajiem IA tipiem. Tomēr ir jābūt piesardzīgiem, lai šos secinājumus vispārinātu ar citiem IA apakštipiem (piemēram, cyberseksual atkarība) [68]. Treškārt, pašreizējais pētījums koncentrējās uz jauniešiem. Pusaudža vecums ir vēl viens kritisks periods gan IGD, gan daudzu emocionālu problēmu, tostarp depresijas, attīstībai.69]. Ir steidzami nepieciešams veikt turpmākus pētījumus, lai izpētītu saslimstību starp IGD un depresiju un pusaudžu neironu mehānismiem. Ceturtkārt, pašreizējie konstatējumi nepaskaidro cēloņsakarību starp depresiju un IGD. Šo problēmu var risināt tieši dubultmaskētos, randomizētos, placebo kontrolētos pētījumos, kuros izmanto fMRI un antidepresantu kombināciju. Piektkārt, 3 pētījumā IGD priekšmeti netika iedalīti pēc CBI + un CBI− grupām. Tādējādi mēs nevaram izslēgt iespējamos traucējošos faktorus, piemēram, motivāciju saņemt ārstēšanu par pašreizējiem uzvedības un attēlveidošanas rezultātiem. Visbeidzot, mēs noteicām IGD saskaņā ar CIAS rādītājiem un iknedēļas spēļu laiku. Tomēr šādai uz simptomiem balstītai definīcijai var būt nepietiekama teorētiskā bāze un risks, ka var rasties patoloģiskas parādības [70]. Tādējādi turpmākos pētījumos ieteicams izmantot jaunus diagnostikas instrumentus, kas balstīti uz atbilstošu IGD darbības definīciju un ņemot vērā kritiskos ekskluzīvos kritērijus.
Visbeidzot, izmantojot garengriezuma, fMRI un intervences pētījumu kombināciju, mēs ziņojām, ka interneta atkarības un depresijas simptomi bija ļoti korelēti ar savstarpēju ietekmi uz interneta spēlētājiem. Indivīdiem ar IGD bija augstāks amygdala-DLPFC savienojums, kas bija negatīvi saistīts ar depresijas simptomiem, un šādas izmaiņas, kā arī fronto-cingulārā savienojamība tika samazināta pēc uzvedības iejaukšanās IGD. Diagnostiskai IGD klasifikācijai un intervences pasākumu izstrādei IGD kopā jāņem vērā augsta depresijas simptomi un fronto-cingulato-amgydala ķēdes disfunkcija.
Autora iemaksas
J-TZ un X-YF bija atbildīgi par studiju koncepciju un dizainu; LL, C-CX, JL un S-SM veicināja intervences praksi un datu iegūšanu; Y-WY, LL, J-TZ un CL palīdzēja veikt datu analīzi un rezultātu interpretāciju; LL un Y-WY sagatavoja manuskriptu. J-TZ, CL un X-YF sniedza kritisku manuskripta pārskatīšanu intelektuālajam saturam. Visi autori kritiski pārskatīja un apstiprināja publikācijai iesniegto manuskripta galīgo versiju.
Interešu konflikta paziņojums
Autori paziņo, ka pētījums tika veikts bez jebkādām komerciālām vai finansiālām attiecībām, kuras varētu uzskatīt par iespējamu interešu konfliktu.
Pateicības
Mēs pateicamies visiem jautājumiem par piedalīšanos mūsu pētījumā. Šo darbu atbalstīja Ķīnas Nacionālais dabaszinātņu fonds (Nr. 31170990, Nr. 81100992, Nr. 31700966); Centrālo universitāšu fundamentālie pētniecības fondi (Nr. 2017XTCX04); NIH dotācija (Nr. K02DA026990); un stipendiju no Ķīnas zinātņu doktora fonda (Nr. 2017M620655).
Papildmateriāls
Šī raksta papildu materiālus var atrast tiešsaistē: https://www.frontiersin.org/articles/10.3389/fpsyt.2018.00154/full#supplementary-material
Atsauces
1. Chamberlain SR, Lochner C, Stein DJ, Goudriaan AE, van Holst RJ, Zohar J, et al. Uzvedības atkarība - pieaugošs plūdmaiņa? Eur Neuropsychopharmacol (2016) 26: 841 – 55. doi: 10.1016 / j.euroneuro.2015.08.013
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
2. American Psychiatric Association. Garīgo traucējumu diagnostikas un statistikas rokasgrāmata, 5th Edn. Arlington, VA: amerikāņu psihiatriskā asociācija (2013).
3. Insel T, Cuthbert B, Garvey M, Heinssen R, Pine DS, Quinn K, et al. Pētniecības domēna kritēriji (RDoC): ceļā uz jaunu klasifikācijas sistēmu psihisko traucējumu pētniecībai. Es esmu psihiatrija (2010) 167: 748 – 51. doi: 10.1176 / appi.ajp.2010.09091379
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
4. Lin X, Zhou H, Dong G, Du X. Nepietiekama riska novērtēšana cilvēkiem ar interneta spēļu traucējumiem: fMRI pierādījumi no varbūtības diskontēšanas uzdevuma. Prog Neuropsychopharmacol Biol psihiatrija (2015) 56: 142 – 8. doi: 10.1016 / j.pnpbp.2014.08.016
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
5. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, et al. Ventrālā un dorsālā striatuma aktivizēšana lēnas reakcijas laikā interneta spēļu traucējumos. Addict Biol. (2017) 22: 791 – 801. doi: 10.1111 / adb.12338
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
6. Kaess M, Durkee T, Brunner R, Carli V, Parzer P, Wasserman C, et al. Patoloģisks interneta lietojums Eiropas pusaudžiem: psihopatoloģija un paš destruktīva uzvedība. Eur Child Adolesc psihiatrija (2014) 23:1093–102. doi: 10.1007/s00787-014-0562-7
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
7. Ho RC, Zhang MW, Tsang TY, Toh AH, Pan F, Lu Y, et al. Saikne starp interneta atkarību un psihiatrisko saslimstību: metaanalīze. BMC psihiatrija (2014) 14:183. doi: 10.1186/1471-244X-14-183
8. King, DL un Delfabbro, PH Interneta spēļu traucējumu kognitīvā psihopatoloģija pusaudža gados. J Abnorm Child Psychol. (2016) 44:1635–45. doi: 10.1007/s10802-016-0135-y
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
9. Lin PC, Su CH, Yen JY, Ko CH. Saikne starp komorbidiem psihiskiem simptomiem un interneta spēļu traucējumu atlaišanu starp koledžas studentiem un pieaugušajiem bez studentiem. Taivānas J psihiatrija (2016) 30: 279 – 88. doi: 10.1016 / j.eurpsy.2010.04.011
10. Stetina BU, Kothgassner OD, Lehenbauer M, Kryspin-Exner I. Papildus tiešsaistes spēļu pievilcībai: atkarību izraisošo uzvedību un depresiju pārbaude tiešsaistes spēļu pasaulē. Comp Hum Behav (2011) 27: 473 – 9. doi: 10.1016 / j.chb.2010.09.015
11. Gentile DA, Choo H, Liau A, Sim T, Li D, Fung D, et al. Patoloģiskais videospēļu lietojums jauniešu vidū: divu gadu ilgstošs pētījums. Pediatrija (2011). 127:319–27. doi: 10.1542/peds.2010-1353
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
12. Young KS, Rogers RC. Saikne starp depresiju un interneta atkarību. CyberPsychol Behav. (1998) 1: 25 – 8. doi: 10.1089 / cpb.1998.1.25
13. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA. Atpūtas valsts funkcionālais savienojums atkarībā: gūtā pieredze un ceļš uz priekšu. Neuroimage (2012) 62: 2281 – 95. doi: 10.1016 / j.neuroimage.2012.01.117
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
14. Zhang S, Li CSR. Uzvedības iesaistīšanās neirālais mērs: uzdevumu atlikušais zemas frekvences asins oksidācijas līmenis atkarīgs no aktivitātes precuneus. Neuroimage (2010) 49: 1911 – 8. doi: 10.1016 / j.neuroimage.2009.09.004
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
15. Connolly CG, Wu J, Ho TC, Hoefts F, Wolkowitz O, Eisendrath S, et al. Subgenualas priekšējās cingulārās garozas atpūtas stāvokļa funkcionālais savienojums depresijas pusaudžiem. Biol Psihiatrija (2013) 74: 898 – 907. doi: 10.1016 / j.biopsych.2013.05.036
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
16. Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L, et al. Insulas atpūtas režīma funkcionālais savienojums jauniešiem ar interneta spēļu traucējumiem. Addict Biol. (2016a) 21: 743 – 51. doi: 10.1111 / adb.12247
17. Adolphs R, Tranel D, Damasio H, Damasio A. Slikta emociju atpazīšana sejas izteiksmēs pēc cilvēka amygdala divpusējiem bojājumiem. daba (1994) 372:669–72. doi: 10.1038/372669a0
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
18. Gotfrīds JA, O'Dohertijs J, Dolans RJ. Prognozējošās atlīdzības vērtības kodēšana cilvēka amigdalā un orbitofrontālajā garozā. Zinātne (2003) 301: 1104 – 7. doi: 10.1126 / science.1087919
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
19. Phelps EA, LeDoux JE. Amigdala ieguldījums emociju apstrādē: no dzīvnieku modeļiem uz cilvēka uzvedību. Neirons (2005) 48: 175 – 87. doi: 10.1016 / j.neuron.2005.09.025
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
20. Zhang S, Hu S, Chao HH, Ide JS, Luo X, Farr OM, et al. Ventromedial prefrontālā garoza un fizioloģiskā uzbudinājuma regulēšana. Soc Cogn Affect Neurosci. (2013) 9: 900 – 8. doi: 10.1093 / scan / nst064
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
21. Zhang S, Hu S, Chao HH, Luo X, Farr OM, Li CSR. Ādas vadītspējas reakciju cerebrālās korelācijas izziņas uzdevumā. Neuroimage (2012) 62: 1489 – 98. doi: 10.1016 / j.neuroimage.2012.05.036
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
22. Kaiser RH, Andrews-Hanna JR, Wager TD, Pizzagalli DA. Liela mēroga tīkla disfunkcija lielā depresijas traucējumā: atpūtas stāvokļa funkcionālā savienojuma meta analīze. JAMA Psihiatrija (2015) 72: 603 – 11. doi: 10.1001 / jamapsychiatry.2015.0071
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
23. Tahmasian M, Knight DC, Manoliu A, Schwerthöffer D, Scherr M, Meng C, et al. Hipokampusa un amygdala neskaidra raksturīga savienojamība fronto-salu un dorsomediālā-prefrontālā garozā ir liela depresijas traucējuma gadījumā. Priekšējā Hum Neurosci. (2013) 7: 639. doi: 10.3389 / fnhum.2013.00639
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
24. Tang Y, Kong L, Wu F, Womer F, Jiang W, Cao Y, et al. Samazināts funkcionālais savienojums starp amygdalu un kreisā vēdera prefrontālo garozu ārstētiem pacientiem, kuriem nav liela depresijas slimība: miega stāvokļa funkcionālais magnētiskās rezonanses pētījums. Psychol Med. (2013) 43: 1921 – 7. doi: 10.1017 / S0033291712002759
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
25. Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. Mainīts pelēkās vielas blīvums un traucēta amygdala funkcionālā savienojamība pieaugušajiem ar interneta spēļu traucējumiem. Prog Neuropsychopharmacol Biol psihiatrija (2015) 57: 185 – 92. doi: 10.1016 / j.pnpbp.2014.11.003
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
26. Huebl J, Brücke C, Merkl A, Bajbouj M, Schneider GH, Kühn AA. Emocionālo stimulu apstrādi atspoguļo beta joslas aktivitātes modulācijas subgenualā priekšējā cingulārajā garozā pacientiem ar rezistentu depresiju. Soc. Cogn Affect Neurosci. (2016) 11: 1290 – 8. doi: 10.1093 / scan / nsw038
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
27. Kong L, Chen K, Womer F, Ren L, Jiang W, Cao Y, et al. Funkcionāls savienojums starp amygdalu un prefrontālo garozu medikamentu neārstētiem indivīdiem ar smagu depresiju. J Psihiatrija Neurosci. (2013) 38: 417 – 22. doi: 10.1503 / jpn.120117
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
28. Hamilton JP, Chen G, Thomason ME, Schwartz ME, Gotlib IH. Nervu primātības izpēte depresijas smagu traucējumu gadījumā: daudzfaktoru granīta cēloņsakarības analīze fmri laikrindas datiem. Mol Psihiatrija (2011) 16: 763 – 72. doi: 10.1038 / mp.2010.46
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
29. Sheline YI, cena JL, Yan Z, Mintun MA. Atpūtas stāvokļa funkcionālais MRI depresijā atmasko pastiprinātu savienojumu starp tīkliem, izmantojot muguras saikni. Proc Natl Acad Sci USA (2010) 107: 11020 – 5. doi: 10.1073 / pnas.1000446107
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
30. Camchong J, MacDonald AW, Mueller BA, Nelson B, Specker S, Slaymaker V, et al. Izmaiņas atpūtas funkcionālajā savienojumā abstinences laikā stimulantu lietošanas traucējumos: sākotnējais salīdzināmo un atturētāju salīdzinājums. Narkotiku atkarība no alkohola (2014) 139: 145 – 51. doi: 10.1016 / j.drugalcdep.2014.03.024
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
31. Camchong J, Stenger A, Fein G. Atpūtas stāvokļa sinhronizācija ilgstošos abstinentos alkoholistos. Alkohola klīns Exp Res. (2013) 37:75–85. doi: 10.1111/j.1530-0277.2012.01859.x
32. Zhang JT, Ma SS, Li CSR, Liu L, Xia CC, Lan J, et al. Internetu spēļu traucējumu uzvedības iejaukšanās: ventrālā striatuma funkcionālās savienojamības novēršana. Addict Biol. (2018) 23: 337 – 46. doi: 10.1111 / adb.12474
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
33. Zhang JT, Yao YW, Potenza MN, Xia CC, Lan J, Liu L, et al. Mainīta atpūtas režīma neirālā aktivitāte un izmaiņas pēc iejaukšanās uzvedības interneta spēļu traucējumiem. Sci Rep (2016b) 6: 28109. doi: 10.1038 / srep28109
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
34. Winkler A, Dörsing B, Rief W, Shen Y, Glombiewski JA. Interneta atkarības ārstēšana: metaanalīze. Clin Psychol Rev. (2013) 33: 317 – 29. doi: 10.1016 / j.cpr.2012.12.005
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
35. Deng LY, Liu L, Xia CC, Lan J, Zhang JT, Fang XY. Alkas uzvedības iejaukšanās koledžas studentu interneta spēļu traucējumu uzlabošanā: gareniskais pētījums. Front Psychol. (2017) 8: 526. doi: 10.3389 / fpsyg.2017.00526
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
36. Yao YW, Chen PR, Chiang-shan RL, Hare TA, Li S, Zhang JT, et al. Kombinētā realitātes terapija un sapratnes meditācija samazina starptemorālo lēmumu impulsivitāti jauniešiem ar interneta spēļu traucējumiem. Comp Hum Behav. (2017a) 68: 210 – 6. doi: 10.1016 / j.chb.2016.11.038
37. Liang L, Zhou D, Yuan C, Shao A, Bian Y. Dzimumu atšķirības attiecībās starp interneta atkarību un depresiju: pārrobežu pētījums Ķīnas pusaudžiem. Comp Hum Behav. (2016) 63: 463 – 70. doi: 10.1016 / j.chb.2016.04.043
38. Siegle GJ, Thompson W, Carter CS, Steinhauer SR, Thase ME. Palielināta amygdala un samazināta dorsolaterālā prefrontālā BOLD reakcija vienpolaariskajā depresijā: saistītās un neatkarīgās iezīmes. Biol Psihiatrija (2007) 61: 198 – 209. doi: 10.1016 / j.biopsych.2006.05.048
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
39. Ko CH, Yen JY, Chen SH, Yang MJ, Lin HC, Yen CF. Ierosinātie diagnostikas kritēriji un interneta atkarības skrīninga un diagnostikas instruments koledžu studentiem. Comp Psychiatry (2009) 50: 378 – 84. doi: 10.1016 / j.comppsych.2007.05.019
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
40. Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. Smadzeņu korelācijas ar reakcijas inhibīciju interneta spēļu traucējumos. Psihiatrijas Clin Neurosci. (2015) 69: 201 – 9. doi: 10.1111 / pcn.12224
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
41. Derogatis LR, Lipman RS, Covi L. SCL-90: ambulatorā novērtējuma skala-provizoriskais ziņojums. Psychopharmacol Bull. (1973) 9: 13-28.
42. Beck AT, Ward CH, Mendelson M, Mock J, Erbaugh J. Depresijas mērīšanas inventārs. Arch Gen Psihiatrija (1961) 4: 561 – 71. doi: 10.1001 / archpsyc.1961.01710120031004
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
43. Kober H, Mendesiedlecki P, Kross EF, Weber J, Mischel W, Hart CL, et al. Prefrontal – striatāla ceļš veido alkas kognitīvo regulējumu. Proc Natl Acad Sci USA (2010) 107: 14811 – 6. doi: 10.1073 / pnas.1007779107
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
44. Bast J, Reitsma P. Matthew seko lasījumam: latentās augšanas līknes modeļu un simpleksa modeļu salīdzinājums ar strukturētiem līdzekļiem. Daudzfaktoru Behav Res (1997) 32:135–67. doi: 10.1207/s15327906mbr3202_3
45. Curran PJ, Bollen KA. Labākais no abām pasaulēm: autoregresīvo un latento līkņu modeļu apvienošana. Collins LM un Sayer AG, redaktori. Jaunas pārmaiņu analīzes metodes. Vašingtona: Amerikas Psiholoģijas asociācija (2001). p. 107 – 135.
46. Jūnijs S. Korejiešu pusaudžu savstarpējās gareniskās attiecības starp mobilo telefonu atkarību un depresīviem simptomiem. Comp Hum Behav (2016) 58: 179 – 86. doi: 10.1016 / j.chb.2015.12.061
47. Song TM, An JY, Hayman LL, Kim GS, Lee JY, Jang HL. Trīs gadu ilgs autoregresīvais šķērsgriezuma panelis par nikotīna atkarību un vidējo smēķēšanu. Veselības aprūpes informātika Res. (2012) 18: 115 – 24. doi: 10.4258 / hir.2012.18.2.115
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
48. Muthén L. Mplus lietotāja rokasgrāmata. (2012). Losandželosa, Kalifornija: Muthén & Muthén 1998–2010.
49. Cheung GW, Rensvold RB. Novērtējot piemērotības rādītājus mērījumu invarianta testēšanai. Struktūrformas modelis Multidiscpl J. (2002) 9:233–55. doi: 10.1207/S15328007SEM0902_5
50. Ciarrochi J, Parker P, Kashdan T, Heaven P, Barkus E. Hope un emocionālā labklājība. Sešus gadus ilgs garengriezuma pētījums, lai atšķirtu iepriekšējos, korelatīvos un sekas. [Iepriekšēja tiešsaistes publikācija]. J. Posit. Psihols. (2015). 10: 520 – 32. doi: 10.1080 / 17439760.2015.1015154
51. Steenkamp JBEM, Baumgartner H. Novērtēšanas mērījumu neatbilstības novērtēšana starpvalstu patērētāju pētījumos. J. Consums. Res. (1998) 25: 78 – 107. doi: 10.1086 / 209528
52. Neubert FX, Mars RB, Sallet J, Rushworth MF. Savienojamība atklāj attiecības starp smadzeņu zonām, lai gūtu atalgojumu un mācītos cilvēkus un pērtiķus. Proc Natl Acad Sci USA (2015) 112: E2695 – 704. doi: 10.1073 / pnas.1410767112
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
53. Chaiton MO, Cohen JE, O'Loughlin J, Rehm J. Sistemātisks garengriezuma pētījumu pārskats par depresijas un smēķēšanas saistību pusaudžiem. BMC Sabiedrības veselība (2009) 9:356. doi: 10.1186/1471-2458-9-356
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
54. Gilman SE, Abraham HD. Ilgstošs pētījums par alkohola atkarības un lielas depresijas sākumu. Narkotiku atkarība no alkohola (2001) 63:277–86. doi: 10.1016/S0376-8716(00)00216-7
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
55. Tortolero SR, Peskin MF, Baumler ER, Cuccaro PM, Elliott MN, Davies SL, et al. Ikdienas vardarbīga videospēļu spēle un depresija jauniešiem. Cyberpsychol Behav Soc Netw. (2014) 17: 609 – 15. doi: 10.1089 / cyber.2014.0091
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
56. Ko CH, Yen JY, Chen SH, Wang PW, Chen CS, Yen CF. Interneta spēļu traucējumu diagnostikas kritēriju novērtēšana DSM-5 jauniešu vidū Taivānā. J Psychiatr Res. (2014) 53: 103 – 10. doi: 10.1016 / j.jpsychires.2014.02.008
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
57. Cho SM, Sung MJ, Shin KM, Lim KY, Shin YM. Vai bērnībā psihopatoloģija paredz vīriešu pusaudžu interneta atkarību? Bērnu psihiatrija Hum Dev. (2013) 44:549–55. doi: 10.1007/s10578-012-0348-4
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
58. Rappeneau V, Bérod A. Depresijas pārskatīšana kā vielas lietošanas traucējumu riska faktors: ieskats no grauzēju modeļiem. Neurosci Biobehav. Rev. (2017) 77: 303 – 16. doi: 10.1016 / j.neubiorev.2017.04.001
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
59. Choi J, Cho H, Kim JY, Jung DJ, Ahn KJ, Kang HB, et al. Strukturālās izmaiņas prefrontālajā garozā ietekmē starp interneta spēļu traucējumiem un nomāktu garastāvokli. Sci Rep (2017) 7:1245. doi: 10.1038/s41598-017-01275-5
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
60. Kendler KS, Prescott CA, Myers J, Neale MC. Ģenētisko un vides riska faktoru struktūra kopējiem psihiskiem un vielu lietošanas traucējumiem vīriešiem un sievietēm. Arch Gen Psihiatrija (2003) 60: 929 – 37. doi: 10.1001 / archpsyc.60.9.929
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
61. Pannekoek JN, Werff SJA, Meens PH, Bulk BG, Jolles DD, Veer IM, et al. Aberranta miera stāvokļa funkcionālais savienojums limbiskajos un sāpīgākajos tīklos ārstētiem neziņiem klīniski nomāktiem pusaudžiem. J Bērna psiholoģijas psihiatrija (2014) 55: 1317 – 27. doi: 10.1111 / jcpp.12266
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
62. Hu S, Ide JS, Chao HH, Zhornitsky S, Fischer KA, Wang W, et al. Amygdala funkcionālais savienojums un problemātiska dzeršana atkarīgos alkohola dzērienos. Narkotiku atkarība no alkohola (2018) 185: 173 – 180. doi: 10.1016 / j.drugalcdep.2017.11.026
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
63. Dannlowski U, Ohrmann P, Konrad C, Domschke K, Bauer J, Kugel H, et al. Samazināta amygdala – prefrontālā savienošana smagas depresijas gadījumā: saistība ar MAOA genotipu un slimības smagumu. Int J Neuropsychopharmacol. (2009) 12: 11 – 22. doi: 10.1017 / S1461145708008973
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
64. Mulders PC, van Eijndhoven PF, Schene AH, Beckmann CF, Tendolkar I. Atpūtas stāvokļa funkcionālais savienojums lielā depresijas traucējumā: pārskats. Neurosci Biobehav Rev (2015) 56: 330 – 44. doi: 10.1016 / j.neubiorev.2015.07.014
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
65. Yao YW, Liu L, Ma SS, Shi XH, Zhou N, Zhang JT, et al. Funkcionālās un strukturālās nervu izmaiņas interneta spēļu traucējumos: sistemātisks pārskats un metaanalīze. Neurosci Biobehav Rev. (2017) 83: 313 – 24. doi: 10.1016 / j.neubiorev.2017.10.029
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
66. Li CR, Sinha R. Inhibitējošā kontrole un emocionālā stresa regulēšana: neirofotogrāfiski pierādījumi par frontālās un limbiskās disfunkcijas psihostimulatoru atkarību. Neurosci Biobehav Rev. (2008) 32: 581 – 97. doi: 10.1016 / j.neubiorev.2007.10.003
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
67. Kirsch M, Gruber I, Ruf M, Kiefer F, Kirsch P. Reālā laika funkcionālā magnētiskās rezonanses attēlveidošana nefeedback var samazināt striatāla reakciju uz alkohola stimuliem. Addict Biol. (2015) 21: 982 – 92. doi: 10.1111 / adb.12278
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
68. Wéry, Billieux, J., problemātisks, cybersex :, conceptualization, novērtēšana, un, ārstēšana. Addict Behav. (2017) 64: 238 – 46. doi: 10.1016 / j.addbeh.2015.11.007
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
69. Paus T, Keshavan M, Giedd JN. Kāpēc pusaudža gados rodas daudzi psihiskie traucējumi? Nat Rev Neurosci. (2008) 9: 947 – 57. doi: 10.1038 / nrn2513
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
70. Kardefelt-Winther D, Heeren A, Schimmenti A, Rooij A, Maurage P, Carras M, et al. Kā mēs varam konceptualizēt uzvedības atkarību, patologizējot kopīgu uzvedību? Atkarība (2017) 112: 1709 – 15. doi: 10.1111 / add.13763
PubMed Kopsavilkums | CrossRef pilns teksts | Google Scholar
Atslēgas vārdi: amygdala, depresija, fMRI, interneta spēļu traucējumi, atpūtas stāvokļa funkcionālais savienojums, subgenual priekšējā cingulārā garoza
Atsauce: Liu L, Yao YW, Li CR, Zhang JT, Xia CC, Lan J, Ma SS, Zhou N un Fang XY (2018) Komorbiditāte starp interneta spēļu traucējumiem un depresiju: savstarpējās attiecības un neironu mehānismi. Priekšpuse. Psihiatrija 9: 154. doi: 10.3389 / fpsyt.2018.00154
Saņemts: 26 janvāris 2018; Pieņemts: 04 April 2018;
Publicēts: 23 April 2018.
Rediģēja:
Yasser Khazaal, Université de Genève, Šveice
Pārskatīja:
Qinghua Viņš, Southwest University, Ķīna
Aviv M. Weinstein, Ariel universitāte, Izraēla
Autortiesības © 2018 Liu, Yao, Li, Zhang, Xia, Lan, Ma, Zhou un Fang. Šis ir atvērta piekļuves raksts, kas tiek izplatīts saskaņā ar Creative Commons piešķiršanas licence (CC BY). Lietošana, izplatīšana vai reproducēšana citos forumos ir atļauta, ja tiek ieskaitīts oriģinālais autors (-i) un autortiesību īpašnieks un ka tiek minēts oriģināls šajā žurnālā, saskaņā ar pieņemto akadēmisko praksi. Nav atļauta lietošana, izplatīšana vai reproducēšana, kas neatbilst šiem noteikumiem.
* Korespondence: Jin-Tao Zhang, [e-pasts aizsargāts]
Xiao-Yi Fang, [e-pasts aizsargāts]
†Šie autori ir līdzvērtīgi piedalījušies šajā darbā.
;
