Augstāka multivides uzdevumu darbība ir saistīta ar mazāku pelēkās vielas blīvumu priekšējā cingulārajā Cortex (2014)

citāts: Loh KK, Kanai R (2014) Augstākā multivides uzdevumu aktivitāte ir saistīta ar mazāku pelēkās vielas blīvumu priekšējā cingulārajā Cortex. PLOS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Redaktors: Katsumi Watanabe, Tokijas Universitāte, Japāna

Saņemts: Februāris 25, 2014; Pieņemts: Augusts 8, 2014; Publicēts: Septembris 24, 2014

Autortiesības: © 2014 Loh, Kanai. 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: Šā projekta finansējums tika saņemts no Japānas Zinātnes un tehnoloģiju aģentūras PRESTO dotācijas. Finansētājiem nebija nekādas nozīmes pētījuma izstrādē, datu vākšanā un analīzē, lēmumu publicēt vai sagatavot manuskriptu.

Konkurējošas intereses: Autori ir paziņojuši, ka nav konkurējošu interešu.

Ievads

Multivides multivides uzdevumivai arī vairāku mediju formu vienlaicīga lietošana mūsdienu sabiedrībā arvien biežāk izplatās [1] un ir saistīta ar pazeminātām kognitīvās kontroles spējām [2] kā arī negatīvas psihosociālas ietekmes, piemēram, depresija un sociālā trauksme [3]negatīva sociālā labklājība [4]un slikti akadēmiskie sasniegumi [5]. Tomēr šajā brīdī maz ir zināms par neironu procesiem, kas saistīti ar mediju daudzuzdevumu. Šajā pētījumā tika pētītas sakarības starp multivides uzdevumu aktivitāti un smadzeņu struktūras mainīgumu. Pētījumi liecina, ka smadzeņu struktūru var mainīt ar ilgstošu iedarbību uz jaunām vidēm [6] kā arī apmācība un pieredze [7], [8]. Turklāt pelēkās un baltās vielas reģionālā variabilitāte, kas novērtēta, izmantojot Voxel balstītu morfometriju (VBM), ticami prognozē individuālās atšķirības kognitīvo funkciju diapazonā (skat. [9] pārskatīšanai). Pamatojoties uz iepriekšminētajiem konstatējumiem, mēs pieņēmām, ka mediju daudzfunkcionālo uzdevumu diferencētie uzdevumi arī atspoguļotu reģionālo smadzeņu struktūru atšķirības.

Pašreizējā izmeklēšanā multimediju uzdevumu indekss (MMI, [2]) tiek pieņemts kā iezīme mediju multitasking. MMI rādītāji ir konsekventi saistīti ar individuāliem kognitīvās kontroles uzdevumiem [2], [10],[11]. Tādā veidā tie kalpo kā uzticama uzvedības korelācija ar smadzeņu struktūras mainīgumu. Mēs sagaidām, ka indivīda MMI rezultāts atspoguļo smadzeņu struktūras atšķirības, īpaši kognitīvās kontroles un daudzuzdevumu reģionos. Iepriekšējie pētījumi ir konverģējuši prefrontālo kortikālo reģionu lomu kognitīvajā kontrolē [12], [13], [14], [15]. Pamatojoties uz bojājumu pētījumu, ko veica [16]atšķirīgie reģioni ir iesaistīti daudzfunkcionālā disociējamā aspektā: priekšējie un aizmugurējie cingulāti ir iesaistīti retrospektīvajā atmiņā, un prefrontālie reģioni ir iesaistīti perspektīvajā atmiņā un plānošanā. Tāpēc mēs sagaidām, ka atradīsim saiknes starp mediju multitasking darbību un strukturālo mainīgumu šajos reģionos. Mediju multitasking darbība ir cieši saistīta ar personības iezīmēm (ti, neirotismu un ekstraverciju [3]), kas savukārt prognozē smadzeņu strukturālās atšķirības [17]. Tādejādi saikne starp mediju multitasking un smadzeņu struktūru varētu tikt sajaukta ar šīm iezīmju atšķirībām. Lai izpētītu šo iespēju, tiek pētītas arī attiecības starp MMI un Big Five personības iezīmēm.

Ieguvām MMI rādītājus, Big Five personības iezīmes un magnētiskās rezonanses (MRI) skenēšanas rezultātus 75 veseliem pieaugušajiem, kas bija salīdzinoši labi iepazinušies ar datoriem un mediju tehnoloģijām. Lai noskaidrotu saikni starp mediju multitasking darbību un smadzeņu struktūras mainīgumu, mēs, izmantojot optimizētu VBM, vispirms korelējām atsevišķus MMI rādītājus ar reģionālo pelēkās vielas blīvumu visā smadzeņu līmenī. [18]. Mēs arī pārbaudījām korelācijas starp lielo piecu īpašību un MMI rādītājiem. Lai noskaidrotu mūsu iegūto strukturālo atšķirību funkcionālo nozīmi, mēs analizējām atpūtas stāvokļa smadzeņu darbību, lai noskaidrotu asociācijas starp MMI rādītājiem un funkcionālo savienojumu smadzenēs.

Metodes

Dalībnieki

Veselie 75 pieaugušie (vidējais vecums = 24.6, SD = 5.0, 38 tēviņi), kas tika pieņemti darbā no Londonas Universitātes (UCL) psiholoģijas dalībnieku kopas, piedalījās šajā pētījumā pēc tam, kad bija sniegta informēta rakstiska piekrišana. Pētījumu apstiprināja vietējā UCL ētikas komiteja (ētikas pieteikuma kods: 2213 / 002). Mēs pārbaudījām dalībniekus, iekļaujot augstskolu studentus un personālu, kas bija labi iepazinušies ar datoriem un mediju tehnoloģijām. Viņi tika atmaksāti skaidrā naudā par viņu līdzdalību. No 75 dalībniekiem, kas piedalījās VBM pētījumā, fMRI dati tika iegūti no 40 dalībnieku apakšgrupas. Dzimums, vecums, izglītības līmenis un MMI rādītāji abos paraugos būtiski neatšķīrās (Tabula 1).

Lejupielādēt:  

• PPT

  PowerPoint slaids

• PNG

  lielāks attēls (37KB)

• TIFF

  oriģinālais attēls (190KB)

1 tabula. VBM analīzē un funkcionālās savienojamības analīzē iesaistīto dalībnieku demogrāfisko raksturlielumu un MMI rādītāju salīdzinājumi.

doi: 10.1371 / journal.pone.0106698.t001

Modificēta multivides uzdevumu anketa

Mediju daudzuzdevumu aptaujas anketas modificēta versija [2] tika ievadīts visiem dalībniekiem. MMI nodrošināja stabilu indivīda iezīmju mediju daudzfunkcionālo darbību. Aptaujas anketā bija divas galvenās sadaļas: Pirmajā sadaļā uzskaitītie 12 plašsaziņas līdzekļu veidi un dalībnieki ziņoja par kopējo stundu skaitu nedēļā, ko viņi iztērēja, izmantojot katru datu nesēju. Šajā pētījumā izmantotajā modificētajā versijā 10 nesēju veidi tika saglabāti [2]: Drukātie mediji, televīzija, datorizēts video, mūzika, balss zvani, izmantojot mobilo vai telefonu, tērzēšana, īsziņu pakalpojums (SMS), e-pasts, tīmekļa sērfošana un citas datorizētas lietojumprogrammas. Vienums “video vai datorspēles” tika pārveidots, lai iekļautu spēles mobilajos tālruņos. Vienums “bez mūzikas” tika aizstāts ar “izmantojot sociālo tīklu vietnes”. Izmaiņas tika veiktas, lai labāk atspoguļotu pašreizējās mediju patēriņa tendences. Otrā daļa sastāvēja no matricas, kurā iesaistītie dalībnieki norādīja, cik daudz viņi vienlaicīgi izmantoja visus pārējos mediju veidus, kad tie izmantoja primāro vidi. Vienlaicīgas lietošanas apjoms tika norādīts uz 1 skalas uz 4 (1 = “Nekad”, 2 = “Mazliet no laika”, 3 = “Daži no laika” un 4 = “Lielākā daļa laika”). Dalībnieku atbildes vispirms tika kodētas šādi: “Nekad” = 0, “Mazliet no laika” = 0.33, “Daži no laika” = 0.67 un “Lielākā daļa laika” = 1. Pārrēķināto reakciju summēšana katrā primārajā vidē nodrošināja vidējo mediju skaitu, ko vienlaikus lietoja, lietojot primāro barotni. MMI tika aprēķināts, pamatojoties uz šādu formulu: Kur m_i ir vidējais mediju skaits, ko vienlaikus lieto, izmantojot primāro barotni; h_i ir stundu skaits nedēļā, kas iztērēts, izmantojot primāro vidi, i; un h_kopsumma ir kopējais stundu skaits nedēļā, kas iztērēti, izmantojot visas mediju formas.

Lielais piecu inventārs

Lielais piecu inventarizāciju (BFI; [19]) sniedza īsu un uzticamu 44-vienības mērījumu Big Five personības faktoriem: ekstraversiju (8 vienības), pieklājību (9 vienības), apzinīgumu (9 vienības), neirotismu (8 vienības) un atvērtību pieredzei (10 vienības). Mēs pieņēmām BFI, lai pārbaudītu asociācijas starp MMI un Big Five personības iezīmēm mūsu izlasē.

MRI datu iegūšana

1.5 T Siemens Avanto skeneris (Siemens Medical, Erlangen, Vācija) tika izmantots, lai iegūtu katram dalībniekam augstas izšķirtspējas T1 svērtus strukturālos attēlus (MPRAGE; 1 mm³ kubiskā vokseļi; 160 šķēles; TR = 2730 ms; TE = 3.57 ms). Funkcionālie MRI dati tika iegūti, izmantojot augšupejošas T2 * svērtas gradienta echo-plakanās attēlveidošanas (EPI) sekvences, kas ir jutīgas pret BOLD kontrastu. Katra iegāde sastāvēja no 32 slīpām šķēlītēm, izšķirtspēja 3.0 × 3.0 mm, biezums 2.0 mm ar 1.0 mm slāņa atstarpi. EPI šķēles tika izliektas atsevišķi katram subjektam, lai samazinātu jutības artefaktus no deguna dobuma un maksimāli palielinātu orbitofrontālo reģionu un aizmugurējās parietālās garozas pārklājumu, vienlaikus pasargājot aptvērumu uz laika polu. Tādā veidā gala orientācija bija no 8 līdz 16 °. Laika intervāls starp divām secīgām vienas un tās pašas šķēles iegādēm bija 2528 ms ar 90 grādu leņķi un 44 ms atbalss laiku. Skata lauks bija 192 × 192 mm. Digitālā plaknes izšķirtspēja bija 64 × 64 pikseļi ar 3.0 × 3.0 mm pikseļu izmēru. Visi dati tika iegūti ar 32 kanālu galvas spoli. Funkcionālās MRI skenēšanas laikā dalībniekiem tika dots norādījums vienkārši uzturēt, turēt acis atvērtas un nedomāt par kaut ko īpaši. Viens brauciens sastāvēja no 180 apjoma iegādēm, un sākotnējie 6 tilpumi tika izņemti no analīzes, lai izvairītos no nestabilas magnetizācijas. Atpūtas stāvokļa fMRI ilgums bija aptuveni 7.5 minūtes.

Voksela bāzes morfometrijas (VBM) analīze

Voksela bāzes morfometrija (VBM; [20]) ir plaši izmantota neirofotografēšanas analīzes metode, kas ļauj veikt iepriekš apstrādātu MRI attēlu vokselizētu statistisko analīzi. Augstas izšķirtspējas T1 svērtā strukturālā skenēšana tika analizēta ar VBM, izmantojot statistisko parametru kartēšanu (SPM8, Wellcome kognitīvās neiroloģijas departaments). Attēli vispirms tika segmentēti pelēkā un baltā krāsā. Pēc tam, kad tika reģistrēti pelēkās vielas attēli, tika veikta diferenciālā anatomiskā reģistrācija, izmantojot eksponentēto Lie algebru (DARTEL). Lai nodrošinātu reăionālo pelēkās vielas tilpuma saglabāšanu pēc reăistrācijas, reăistrētos attēlus modificēja Dobelela aprēķinātais plūsmas lauku Jacobian noteicējs. Reģistrētie pelēkās vielas attēli tika izlīdzināti ar Gausa kodolu (pilnais platums pusotrā maksimumā = 10 mm) un pēc tam tika pārveidoti un normalizēti uz Monreālas neiroloģijas institūta (MNI) stereotaktisko telpu turpmākai daudzkārtējai regresijas analīzei.

Vairāku regresijas analīzi veica ar normalizētajiem pelēkās vielas attēliem ar MMI rādītājiem kā galveno regresoru. Vecums, dzimums un kopējie smadzeņu apjomi tika iekļauti kā kovariāti, kas nav ieinteresēti visām regresijām. Lai noteiktu vokseļus, kuros reģionālā pelēkās vielas blīvums korelēja ar MMI rādītājiem, mēs pieņēmām stingru slieksni p <.05 ar ģimeni kļūdām visas smadzenes koriģēja.

Funkcionālās savienojamības analīze

Lai veiktu funkcionālās savienojamības analīzi, mēs izmantojām Conn funkcionalitātes rīku komplekta versiju 13 (http://www.nitrc.org/projects/conn; [21]) apvienojumā ar SPM8 pirmapstrādes procedūrām. Kārtīgi uzskaitītie priekšapstrādes soļi ietvēra šķēles laika korekciju, laikrindas datu pārorientēšanu uz pirmo sējumu (ti, kustības korekciju), funkcionālās MRI laikrindu līdzreģistrāciju uz atbilstošo strukturālo MRI, attēlu segmentāciju atsevišķos audos. veidi, piemēram, pelēka viela, balta viela un cerebrospinālais šķidrums (CSF), un normalizācija standarta MNI veidnē un telpiskā izlīdzināšana ar Gausa filtru (FWHM = 8 mm). Pēc tam laika rindas dati tika filtrēti uz 0.01 Hz – 0.1 Hz.

Sēklām balstītas funkcionālās savienojamības analīzei mēs izmantojām vienu nozīmīgu klasteru, kas atrasts VBM analīzē kā sēklu reģiona interese (ROI). Vidējā laika rinda, kas iegūta no ROI, individuālā līmeņa analīzē tika izmantota regresors vairāku regresijas modelī. Lai mazinātu traucējošo faktoru ietekmi, tika iekļauti sešu kustības korekcijas parametru regresori no priekšapstrādes. Turklāt vidējie BOLD signāli pelēkajai vielai, baltajai vielai un CSF tika iegūti no segmentiem, kas izveidoti no segmentācijas procedūras, un tika iekļauti arī kā regresori, lai mazinātu dispersijas, kas saistītas ar šiem globālajiem signāliem. Tika aprēķinātas laika korelācijas starp ROI signālu un pārējām smadzenēm, un korelācijas ar sēklu ROI tika pārrēķinātas uz Z punktiem, izmantojot Fisher transformāciju otrās pakāpes nozīmīguma analīzēm.

Izmantojot Z pārveidoto statistisko attēlu, mēs vispirms noteicām smadzeņu reģionus, kuros bija funkcionāla savienojamība ar sēklu ROI, izmantojot vokseļu gudrību p_{FWE labots}<0.05. Pēc tam mēs izmantojām mazāk stingru slieksni p<0.001 (nekoriģēts) kā maska, lai attēlotu ar ACC saistītus reģionus otrā līmeņa analīzei, kuras mērķis bija atrast smadzeņu reģionus, kas korelē ar MMI rādītājiem. Mēs iekļāvām vecumu, dzimumu un kopējos intrakraniālos apjomus kā kovariātus un pieņēmām slieksni p <0.05 ar ģimeni kļūda, kas koriģēta pēc sākotnējā maskas noteiktā tilpuma. Sākotnējās maskēšanas pamatojums bija nodrošināt, lai mūsu analīze būtu ierobežota līdz galvas smadzeņu reģioniem, kuros ir korelēta aktivitāte ar sēklu reģionu. Pat ja mēs konstatējām korelāciju ar individuālajām atšķirībām ārpus šiem reģioniem, šādi konstatējumi, iespējams, atspoguļotu nepareizas korelācijas. Lai palielinātu mūsu otrā līmeņa analīžu jaudu, mēs pieņēmām mazāk stingru sliekšņu.

Pārstrādāti attēlveidošanas dati, kā arī datu kopas, kas satur gan VBM, gan funkcionālo savienojumu regresijas analīzes mainīgos, tiek publiskoti: http://dx.doi.org/10.6084/m9.figshare.10​30286.

rezultāti

VBM analīze atklāja negatīvu saistību starp MMI rādītājiem un pelēkās vielas blīvumu priekšējā cingulārajā garozā (Skaitlis 1; ACC; t (70) = 5.16, P_{FWE labots} <, 05, kopas izmērs = 158 vokseli × 1.5³ = 533 mm³; maksimālā MNI koordinācija: x = 12, y = 41, z = 3). Nevienā citā smadzeņu reģionā nebija būtiskas korelācijas ar MMI rādītājiem. Līdz ar to augstāks multivides uzdevums bija saistīts ar mazākiem pelēkās vielas apjomiem ACC. Tomēr korelācijas analīzes starp MMI un BFI rādītājiem atklāja ļoti nozīmīgu saikni starp Extraversion un MMI rādītājiem (Tabula 2; r = 0.347, p = 0.002). Tādējādi mēs uzskatām, ka novērotā MMI-ACC pelēkās vielas asociācija var tikt sajaukta ar individuālām ekstraversijas rādītāju atšķirībām. Ņemot to vērā, mēs atkārtojām iepriekšējo VBM analīzi, turpinot kontrolēt BFI rādītājus kā papildu kovariārus. Mēs darbojāmies ar vairāku regresiju (ar pelēkās vielas blīvumu kā atkarīgo mainīgo), ieskaitot MMI un visus Big Five iezīmju rādītājus kā prognozētājus kopā ar demogrāfiskajiem kovariantiem. Būtiska negatīva saistība tika novērota starp MMI un pelēkās vielas tilpumu identiskajā ACC reģionā (t (65) = 5.08, P_{FWE labots}<, 05, kopas izmērs = 74 vokseļi × 1.5³ = 250 mm³; maksimālā MNI koordinācija: x = 12, y = 40, z = 3). Tas liecināja, ka pastāv unikāla saistība starp MMI un pelēkās vielas blīvumu ACC neatkarīgi no lielo piecu personības iezīmju variācijām.

Lejupielādēt:  

• PPT

  PowerPoint slaids

• PNG

  lielāks attēls (475KB)

• TIFF

  oriģinālais attēls (768KB)

Attēls 1. VBM regresijas analīze atklāja, ka MMI rādītāji bija būtiski saistīti ar pelēkās vielas blīvumu ACC (t (70) = 5.16, P_{FWE labots} <0.05, kopas izmērs = 158 vokseli x 1.5³ = 533 mm³; maksimālā MNI koordinācija: x = 12, y = 41, z = 3).

Koriģētā pelēkās vielas blīvums pīķa vokselī (Y ass) bija negatīvi korelēts (r = −0.54, p<0.001) ar MMI rādītājiem (X ass).

doi: 10.1371 / journal.pone.0106698.g001

Lejupielādēt:  

• PPT

  PowerPoint slaids

• PNG

  lielāks attēls (20KB)

• TIFF

  oriģinālais attēls (126KB)

2 tabula. Korelācijas starp multivides uzdevumu indeksa rādītājiem un lielajiem pieciem inventāra rādītājiem.

doi: 10.1371 / journal.pone.0106698.t002

Lai noskaidrotu mūsu VBM rezultātu funkcionālo nozīmi, mēs centāmies, izmantojot funkcionālās savienojamības analīzes, noskaidrot smadzeņu reģionus, kuriem bija būtiska saistība ar mūsu iegūto ACC interešu apgabalu (ROI). Šī analīze atklāja, ka iegūtā ACC ROI aktivitāte tika korelēta ar vairākiem smadzeņu reģioniem, kurus parasti raksturo kā noklusējuma režīma tīklu, ieskaitot divpusējos temporo-parietālos mezglus (TPJ; labā puslode, x = 48, y = −64, z = 36, p_{FWE labots}<0.05; kreisā puslode, x = −44, y = −70, z = 36) un precuneus (x = 4, y = −68, z = 30, p_{FWE labots}<0.05) starp citiem reģioniem (Tabula 3). Šie rezultāti liecina, ka ACC ROI, ko mēs noskaidrojām ar VBM analīzi, visticamāk, ietilpst DMN. Tālāk mēs vēl pētījām, vai MMI rādītāji bija saistīti ar savienojumu starp mūsu ACC ROI un DMN reģioniem. Regresijas analīzes tika veiktas ar z-transformētām korelācijām starp ACC un DMN reģioniem ar MMI kā galveno prognozētāju un vecumu, dzimumu un kopējo smadzeņu tilpumu kā kovariantiem. Nozīmīgas asociācijas nenāca p_{FWE labots}<0.05. Tomēr, ievērojot mazāk stingru slieksni. \ T p_nekoriģēts<0.001, augstāki MMI rādītāji bija saistīti ar vājāku savienojumu starp ACC ROI un precuneus (Skaitlis 2; precuneus; t (40) = 5.22, p_nekoriģēts<0.001, kopas izmērs = 159 mm³; Maksimālā MNI koordinācija: x = 10, y = −50, z = 18). Mēs uzsveram, ka mūsu savienojamības rezultāti tika iegūti ar mazāk stingru slieksni un sniedza ierobežotus pierādījumus, lai mēs varētu izdarīt secinājumus par MMI un funkcionālo savienojumu asociācijām. Tādējādi šis secinājumu kopums kalpoja tikai mūsu VBM rezultātu funkcionālai interpretācijai.

Lejupielādēt:  

• PPT

  PowerPoint slaids

• PNG

  lielāks attēls (795KB)

• TIFF

  oriģinālais attēls (1.17MB)

Attēls 2. Regresijas analīzes atklāja, ka savienojums starp ACC ROI un Precuneus (zilo līniju krustošanās) bija negatīvi saistīts ar MMI rādītājiem (Precuneus; t (40) = 5.22, P_{FWE-nekoriģēts}<0.001, kopas izmērs = 159 mm³; Maksimālā MNI koordinācija: x = 10, y = −50, z = 18).

Bija negatīvas attiecības (r = −0.68, p<0.001) starp koriģētajām Z pārveidotajām ACC-Precuneus korelācijām (Y ass) un MMI rādītājiem (X ass).

doi: 10.1371 / journal.pone.0106698.g002

Lejupielādēt:  

• PPT

  PowerPoint slaids

• PNG

  lielāks attēls (34KB)

• TIFF

  oriģinālais attēls (177KB)

3 tabula. Smadzeņu reģioni ar funkcionālu savienojumu ar ACC ROI.

doi: 10.1371 / journal.pone.0106698.t003

diskusija

Saskaņā ar hipotēzi, šis pētījums atklāja būtisku saikni starp mediju multitasking un smadzeņu struktūras variācijām: personām, kuras ziņoja par lielākiem multivides uzdevumiem, ACC bija mazāks pelēkās vielas blīvums. Šī saistība bija nozīmīga ar stingru slieksni (p_{FWE labots}<0.05) un bija neatkarīga no lielo piecu personības iezīmju atšķirībām. Mēs apspriežam iespējamo mūsu strukturālo korelāciju interpretāciju, ņemot vērā jaunākos pierādījumus par ACC funkcijām un MMI uzvedības korelācijām.

ACC kalpo kā būtiska saikne starp informācijas apstrādes ceļiem smadzenēs un ir iesaistīta sensorimotoros, nociceptīvos, augstākos kognitīvajos un emocionālajos / motivācijas procesos. [22], [23]. No tiem mēs apstiprinām, ka mūsu iegūtā ACC reģiona visticamāk ir saistīta ar augstākiem kognitīvajiem procesiem, jo ​​multivides uzdevumu veikšana konsekventi saistīta ar kognitīvās kontroles veiktspēju [2], [10], [11], [24]. Turklāt ACC ROI bija nozīmīgs funkcionāls savienojums ar DMN smadzeņu reģioniem, kas arī parasti bija saistīti ar augstākām kognitīvām operācijām [25], [26].

Runājot par kognitīvo apstrādi, tiek uzskatīts, ka ACC ir iesaistīta kļūdu vai konfliktu atklāšanā [27], [28]. ACC aktivācijas parasti tiek novērotas uzdevumos, kas vienlaikus aktivizē nesaderīgas atbildes, ti, Stroop uzdevumu [29], [30], selektīva uzmanība [31] uzdevums [32], [33]. Konkrēti, ACC ir iesaistīta divkāršu uzdevumu paradigmās [34], [35] ja indivīds saskaras ar konkurējošiem stimuliem un atbildēm, kas saistītas ar diviem vai vairākiem uzdevumiem. Līdzīgi tam, multimediju multivides uzdevumos indivīdi saskaras ar atšķirīgām uzdevumu prasībām, kas saistītas ar vairākiem multivides tipiem, ko tie izmanto vienlaicīgi. Tādā veidā mūsu iegūtā ROI varētu būt saistīta ar divkāršu uzdevumu saistītām kognitīvās kontroles funkcijām. Viens no svarīgākajiem brīdinājumiem ir tas, ka iepriekš minētās funkcijas parasti tiek attiecinātas uz muguras ACC, nevis rostrālo reģionu, kur atrodas mūsu ROI [23], [32], [35], [36]. Tomēr pētnieki ir atzīmējuši, ka šis ierobežojums nav absolūts [23], [34], [37]. Jo īpaši, lai atbalstītu mūsu pašreizējo interpretāciju, Dreher un kolēģi [34] ziņoja, ka Rostral ACC ir unikāli iesaistīta konfliktu atklāšanā saistībā ar divkāršu uzdevumu veikšanu.

Mūsu galvenais konstatējums liecināja, ka smagākiem multimediju multitaskeriem bija mazāki ACC apjomi. Lai izskaidrotu iespējamo uzvedības ietekmi uz samazinātajiem ACC apjomiem smagajos multitaskeros, mēs pārbaudījām uzvedības pētījumus, kas saista MMI un kognitīvo kontroli. Ophira et al. [2] vispirms atklāja saikni starp plašsaziņas līdzekļu daudzfunkcionālo darbību un sliktāku kognitīvo kontroli. Viņi iesaistīja dalībniekus dažādos kognitīvās kontroles uzdevumos, piemēram, Stroop uzdevumā, uzdevumu pārslēgšanā, novirzīšanas filtrēšanā un n-back uzdevumos. Saskaroties ar novirzītājiem, smagie multitaskeri (salīdzinot ar vieglākiem multitaskeriem) bija lēnāki vizuālo modeļu izmaiņu atklāšanā, vairāk jutīgi pret viltus atrašanas traucējumiem atmiņas uzdevuma laikā un bija lēnāki uzdevumu pārslēgšanā. Autori norādīja, ka smagie multitaskeri ir mazāk spējīgi ierobežot viņu uzmanību tikai uz uzdevumu attiecīgu informāciju. Lui un Wong [24] sniedza papildu pierādījumus par to, ka smagāki multitaskeri bija sliktāki, ja kavē uzdevumu nevēlamus stimulus, un līdz ar to tie varēja labāk darboties multisensoros integrācijas uzdevumos. Nākamais pētījums [11] parādīja, ka smagie multitaskeri ir sliktāki par operācijas span uzdevumu (OSPAN), kas bija ļoti līdzīgs dubultu uzdevumu paradigmam, jo ​​dalībniekiem bija nepieciešams vienlaikus risināt matemātikas problēmas un iegaumēt iesniegtos vēstules. Smagie multitaskeri arī ziņoja par vairāk uzmanības neievērošanu ikdienas dzīvē [38]. Tomēr viens nesen veikts Alzahabi un Becker pētījums [10] ziņoja par pretējiem konstatējumiem: smagāki multitaskeri nebija sliktāki par divu uzdevumu veikšanu un bija labāk uzdevumu pārslēgšanā. Viņi arī nespēja atkārtot Ophir et al. Secinājumus, neskatoties uz identiskiem uzdevumiem. Autori atzīmēja, ka viņu paraugs galvenokārt bija sievietes, un tas varēja novest pie viņu pretrunīgiem konstatējumiem. Viņi uzsvēra garengriezuma pētījumu nozīmi, lai atklātu spēcīgas attiecības starp MMI un kognitīvo kontroli.

Kopumā, esošā MMI literatūra parasti liek domāt, ka indivīdi, kas iesaistās smagākos multivides uzdevumos, rāda vājākas kognitīvās kontroles spējas. Mūsu pašreizējie atklājumi paplašina šo literatūru, sasaistot smagākas multivides uzdevumu aktivitātes ar mazākiem apjomiem ACC: smadzeņu reģions, kas ir iesaistīts kognitīvajā kontrolē, kas balstās uz konverģējošiem neirofotografēšanas pierādījumiem. Tomēr mēs uzsveram, ka ir nepieciešams vairāk darba, lai noteiktu attiecības starp ACC struktūru un kognitīvās kontroles spējām. Pētījumi par pacientiem ar ACC bojājumiem ir devuši ļoti jauktas perspektīvas par ACC nepieciešamību tās saistītās kognitīvās funkcijās [39], [40], [41].

Pastāv arī iespēja, ka mūsu iegūtais ACC reģions ir iesaistīts emocionālos / motivācijas procesos, jo tas atrodas Rostral ACC, kas parasti ir saistīts ar motivāciju un emociju apstrādi. [23]. Samazināti ACC apjomi bieži vien ir saistīti ar traucējumiem, kas saistīti ar emocionālu motivāciju, piemēram, obsesīvi kompulsīvi traucējumi. [42], posttraumatiskā stresa sindroms [43], depresija [44] narkotiku un ar narkotikām nesaistītas atkarības [45], [46]. Pamatojoties uz šo perspektīvu, ir ticams, ka smagāki mediju multitaskeri ar samazinātu ACC apjomu varētu būt mazāk emocionālā un motivācijas regulēšanā. Ir konstatēts, ka augstāki MMI rādītāji korelē ar paaugstinātu neirotismu, sajūtu meklēšanu un impulsivitāti [3], [11] un negatīvi sociāli emocionāli rezultāti [4]. Interesanti, ka šajā pētījumā iegūto smadzeņu strukturālo atšķirību modelis bija līdzīgs interneta atkarības (IA) nervu korelātiem. Tika konstatēts, ka personas ar IA, kas definētas vienkārši kā interneta vai datoru patoloģiska pārmērīga lietošana, ir samazinājušas pelēkās un baltās vielas blīvumu ACC. [46], [47], [48]. Iespējams, ka abas konstrukcijas, multivides uzdevumi un IA ir pārklāšanās: MMI sniedza mērījumu, cik daudz cilvēku vienlaicīgi izmantoja vairākas ierīces, un tas varētu būt saistīts ar IA, kas ietver pārmērīgu datoru un interneta lietošanu.

Svarīgs pašreizējā darba ierobežojums ir tas, ka mūsu rezultāti ir iegūti no šķērsgriezuma pētījuma par saikni starp multivides uzdevumu uzvedību un smadzeņu struktūru. Tādējādi cēloņsakarības virzienu starp tām nevar noteikt. Lai gan ir iespējams, ka indivīdi ar mazāku ACC ir jutīgāki pret vairāku uzdevumu veikšanu sakarā ar vājāku kognitīvās kontroles vai sociāli emocionālās regulēšanas spēju, ir vienlīdz ticami, ka augstāka pakļaušana vairākuzdevumu situācijām rada strukturālas izmaiņas ACC. Lai viennozīmīgi noteiktu cēloņsakarības virzienu, ir nepieciešams ilgstošs pētījums. Mūsu pašreizējie atklājumi paver ceļu šādam pētījumam, sniedzot empīrisku saikni starp plašsaziņas līdzekļu multitasking darbību un strukturālajām atšķirībām ACC. Viens cits brīdinājums ir tas, ka pašreizējie konstatējumi var nebūt plašāki par mūsu pētītajiem iedzīvotājiem, kas ir relatīvi augsti izglītoti un labi pakļauti tehnoloģijām. Patiešām, plašsaziņas līdzekļu patēriņa modeļus var būtiski ietekmēt demogrāfiskie faktori [1]. Turpmākos pētījumos būtu jāpārbauda demogrāfisko faktoru, piemēram, izglītības un sociālekonomiskā stāvokļa, loma saziņas saziņas starp multimediju uzdevumu, kognitīvo sniegumu un smadzeņu struktūru regulēšanā.

Visbeidzot, personām, kas nodarbojas ar plašsaziņas līdzekļu daudzfunkcionālu darbību, ACC bija mazāks pelēkās vielas apjoms. Tas varētu arī izskaidrot sliktākos kognitīvās kontroles rezultātus un negatīvos sociāli emocionālos rezultātus, kas saistīti ar plašsaziņas līdzekļu multitaskušanu. Lai gan mūsu pētījuma šķērsgriezuma raksturs neļauj noteikt cēloņsakarības virzienu, mūsu rezultāti parādīja jaunas saiknes starp atsevišķu mediju multitasking uzvedību un ACC struktūras atšķirībām.

Autora iemaksas

Izstrādāti un izstrādāti eksperimenti: KL RK. Veikti eksperimenti: KL RK. Analizēti dati: KL RK. Reaģenti / materiāli / analīzes rīki: KL RK. Rakstīja papīru: KL RK.