Verminderde functionele hersenconnectiviteit bij adolescenten met internetverslaving (2013)

PLoS One. 2013;8(2):e57831. doi: 10.1371/journal.pone.0057831.

Hong SB , Zalesky A , Cocchi L , Fornito A , Choi EJ , Kim HH , Suh JE , Kim CD , Kim JW , Yi SH.

Bron

Melbourne Neuropsychiatry Centre, Department of Psychiatry, University of Melbourne and Melbourne Health, Parkville, Victoria, Australië; Florey Institute of Neuroscience and Mental Health, Parkville, Victoria, Australië; Afdeling Kinder- en Jeugdpsychiatrie, Afdeling Psychiatrie, College of Medicine, Seoul National University, Seoul, Republiek Korea.

Abstract

ACHTERGROND:

Internetverslaving wordt steeds vaker erkend als een psychische stoornis, hoewel de neurobiologische basis ervan onbekend is. Deze studie gebruikte functionele neuroimaging om de functionele connectiviteit van de hersenen als geheel te onderzoeken bij adolescenten met een diagnose internetverslaving . Op basis van neurobiologische veranderingen die worden waargenomen bij andere verslavingsgerelateerde stoornissen, werd voorspeld dat verstoringen in de connectiviteit bij adolescenten met internetverslaving het meest prominent zouden zijn in de cortico- striatale circuits.

Methode:

Deelnemers waren 12 adolescenten met een diagnose internetverslaving en 11 gezonde controlepersonen. Functionele MRI - beelden in rusttoestand werden verkregen en groepsverschillen in functionele hersenconnectiviteit werden geanalyseerd met behulp van netwerkgebaseerde statistieken. We analyseerden ook de netwerktopologie en testten op verschillen tussen de groepen in belangrijke grafiekgebaseerde netwerkmaten.

RESULTATEN:

Adolescenten met internetverslaving vertoonden een verminderde functionele connectiviteit in een gedistribueerd netwerk. De meeste verstoorde verbindingen betroffen cortico-subcorticale circuits (ongeveer 24% met de prefrontale cortex en ongeveer 27% met de pariëtale cortex). Het bilaterale putamen was het meest uitgebreid aangedane subcorticale hersengebied . Er werden geen verschillen tussen de groepen waargenomen in topologische netwerkmaten, waaronder de clusteringcoëfficiënt, de karakteristieke padlengte of de small-worldness ratio.

Conclusies:

Internetverslaving wordt in verband gebracht met een wijdverspreide en significante afname van de functionele connectiviteit in cortico-striatale circuits, zonder dat er sprake is van globale veranderingen in de topologie van het functionele hersennetwerk.

Referentie: Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Verminderde functionele hersenconnectiviteit bij adolescenten met internetverslaving. PLoS ONE 8(2): e57831. doi:10.1371/journal.pone.0057831

 

Introductie

Internetverslaving wordt wereldwijd steeds meer erkend, zowel in het publieke als in de wetenschappelijke gemeenschap [1] , hoewel het een relatief nieuwe aandoening is en de psychopathologische kenmerken en neurobiologische mechanismen ervan nog steeds slecht begrepen worden. Recente neuroimaging-studies hebben significante veranderingen in de hersenfunctie en -structuur gerapporteerd die verband houden met internetverslaving. De meeste van deze studies maakten gebruik van functionele magnetische resonantiebeeldvorming (fMRI) uitgevoerd tijdens taken, en hebben frontale en striatale gebieden en, in mindere mate, de pariëtale en insulaire cortex betrokken [2] – [5] . Daarnaast vonden Kim et al. (2011) met behulp van positronemissietomografie (PET) een verminderde beschikbaarheid van dopamine D2-receptoren in de bilaterale nucleus caudatus en het rechter putamen [6] , en vonden Hou et al. (2012) met behulp van single photon emission computed tomography (SPECT) een verlaagd expressieniveau van de striatale dopaminetransporter bij volwassenen met internetverslaving [7] . Deze bevindingen komen overeen met de huidige theoretische modellen van verslavingsstoornissen, die niet alleen verslaving aan middelen omvatten, maar ook gedragsverslaving (bijvoorbeeld pathologisch gokken), waarbij de nadruk ligt op pathologie van de fronto-striatale circuits [8] , evenals de insula [9] , [10] . Structurele MRI-studies van Zhou et al. (2011) en Yuan et al. (2011) hebben gezamenlijk afwijkingen in de grijze stof gesuggereerd in hersengebieden zoals de prefrontale cortex [11] , [12] , en een diffusie-tensor-imagingstudie van Lin et al. (2012) rapporteerde wijdverspreide afwijkingen in de witte stof bij adolescenten met internetverslaving [13] . Ten slotte vonden Liu et al. (2010) een veranderde regionale homogeniteit bij internetverslaving [14] , wat voor zover wij weten de enige fMRI-bevinding in rusttoestand in de literatuur is met betrekking tot deze stoornis [15] . De auteurs onderzochten de temporele homogeniteit van het BOLD-signaal (Blood-Oxygen-Level-Dependent) van elke voxel ten opzichte van de 26 dichtstbijzijnde buurvoxels, voxel voor voxel.

fMRI in rusttoestand is een relatief nieuwe beeldvormingstechniek voor het onderzoeken van interregionale correlaties van spontane hersenactiviteit, die wordt geregistreerd terwijl iemand rustig in de scanner ligt zonder een specifieke taak uit te voeren [16] . De aanpak biedt een robuuste methode voor het in kaart brengen van goed gedefinieerde functionele systemen [17] , [18] . Metingen in rusttoestand zijn betrouwbaar [19] , [20] , staan ​​onder genetische controle [21] – [23] en worden geacht een intrinsieke eigenschap van de functionele organisatie van de hersenen te indexeren [24] , met bepaalde kanttekeningen [25] . In combinatie met grafentheoretische technieken biedt fMRI in rusttoestand een krachtig middel om de grootschalige organisatie van de functionele dynamiek van de hersenen en de verstoring ervan bij psychopathologische aandoeningen te onderzoeken [26].

In deze studie gebruikten we fMRI-gegevens in rusttoestand om de verschillen in functionele connectiviteit in kaart te brengen tussen een uitgebreide set van 90 verschillende corticale en subcorticale hersengebieden bij gezonde individuen en adolescenten met internetverslaving, waarbij we ons richtten op individuen die zich bezighouden met excessief online gamen, een van de voorgestelde subtypes van deze stoornis [27] . We voerden ook een analyse uit van verstoringen in de netwerktopologie [28] om te beoordelen of eventuele verschillen tussen groepen in de connectiviteitssterkte verder verband hielden met een globale herconfiguratie van functionele interacties [26] , zoals is gerapporteerd bij veel andere psychiatrische stoornissen [29] , [30].

Op basis van eerdere structurele en functionele neuroimaging-bevindingen bij internetverslaving [3] , [4] , [6] , [7] , [15] , samen met de gevestigde theoretische modellen van verslavingsstoornissen [8] , [9] , veronderstelden we dat adolescenten met internetverslaving een veranderde interregionale connectiviteit tussen frontale en striatale gebieden zouden vertonen, met een mogelijke verdere betrokkenheid van de pariëtale cortex en de insula.

 

Materialen en methoden

ethische uitspraak

Deze studie werd goedgekeurd door de institutionele review board voor menselijke onderwerpen aan de Seoul National University. Alle adolescenten en hun ouders hebben voorafgaand aan het betreden van de studie schriftelijke geïnformeerde toestemming gegeven. De studie werd uitgevoerd in overeenstemming met de Verklaring van Helsinki.

Deelnemers

Aan dit onderzoek namen twaalf rechtshandige mannelijke adolescenten met internetverslaving en elf rechtshandige en qua geslacht overeenkomende [31] gezonde controlepersonen deel. De diagnose internetverslaving werd gesteld met behulp van de Young Internet Addiction Scale (YIAS), die bestaat uit 20 items, elk gebaseerd op een 5-punts Likert-schaal die de mate van problemen als gevolg van internetgebruik evalueert [32] , en de Kiddie-Schedule for Affective Disorders and Schizophrenia-Present and Lifetime Version (K-SADS-PL), een semi-gestructureerd diagnostisch interviewinstrument met bewezen validiteit en betrouwbaarheid, waarmee we andere psychiatrische stoornissen konden uitsluiten [33] , [34] . Deelnemers met internetverslaving werden beperkt tot degenen die aangaven typische componenten van verslaving te hebben ervaren (d.w.z. tolerantie, ontwenningsverschijnselen, preoccupatie met het spelen van online games, herhaalde mislukte pogingen om online gamen te verminderen of te stoppen, negatieve stemming bij pogingen om online gamen te verminderen, en het verwaarlozen van belangrijke relaties of activiteiten vanwege online games) [35] , [36] . Alle deelnemers met internetverslaving rapporteerden overmatig online gamen als een van de voorgestelde subtypes van deze stoornis. Dezelfde instrumenten werden gebruikt bij het werven van gezonde adolescenten. Demografische gegevens en het intelligentiequotiënt (IQ) van alle deelnemers werden ook vastgesteld (zie Tabel 1 ).

thumbnail

Tabel 1. Demografische en klinische kenmerken van de deelnemers.

doi: 10.1371 / journal.pone.0057831.t001

Data-acquisitie en beeldverwerking

fMRI-beelden in rusttoestand werden verkregen met een 3T Siemens-scanner (Siemens Magnetom Trio Tim Syngo MR B17, Duitsland) met de volgende parameters: herhalingstijd (TR) 2700 ms; echotijd (TE) 30 ms; acquisitiematrix 64×64; gezichtsveld (FOV) 192×192 mm² ; fliphoek 90°; voxelgrootte 3.0 mm×3.0 mm×3.0 mm; 40 plakken. De totale acquisitietijd bedroeg 6 min 45 sec. Er werd een hoofdspoel gebruikt en hoofdbewegingen werden geminimaliseerd door de lege ruimte rond het hoofd op te vullen met sponsmateriaal en de onderkaak met tape te fixeren.

De voorbewerking van fMRI-beelden werd uitgevoerd met behulp van de Data Processing Assistant for Resting-State fMRI (DPARSF) [37] , die gebaseerd is op Statistical Parametric Mapping (SPM8) en Resting-State fMRI Data Analysis Toolkit (REST). De eerste 5 beelden per proefpersoon werden verwijderd en de resterende 145 beelden werden gecorrigeerd voor slice timing en uitgelijnd met het eerste volume om bewegingsartefacten te corrigeren. Alle deelnemers vertoonden minder dan 0.5 mm verplaatsing en 0.5° rotatie in hun 6 parameters voor hoofdbeweging. Bovendien verschilden de twee groepen niet significant ( p < 0.05) in de vier parameters voor hoofdbeweging die recent door Van Dijk et al. zijn voorgesteld. [38] : d.w.z. gemiddelde hoofdverplaatsing (internetverslaving: 0.04±0.01 mm, controle: 0.04±0.01 mm), maximale hoofdverplaatsing (internetverslaving: 0.18±0.14 mm, controle: 0.17±0.07 mm), aantal microbewegingen (>0.1 mm) (niet meer dan 2 voor alle deelnemers, behalve twee personen in de internetverslavingsgroep met 5 en 6 microbewegingen), en hoofdrotatie (internetverslaving: 0.04±0.01°, controle: 0.04±0.00°). Vóór ruimtelijke normalisatie werd een op leeftijd en geslacht afgestemde hersensjabloon gemaakt op basis van gegevens uit de NIH MRI Study of Normal Brain Development, met behulp van Template-O-Matic [39] . Onze fMRI-beelden werden genormaliseerd met behulp van deze aangepaste sjabloon en gladgemaakt met een Gaussische kernel met een volledige breedte op halve hoogte van 6 mm. De data werden vervolgens ontdaan van trends en laagfrequente fluctuaties (0.01–0.08 Hz) werden gefilterd om signalen van grijze stof te detecteren en het effect van ruis te verminderen. Zes parameters voor hoofdbewegingen, signalen van witte stof en signalen van hersenvocht werden geregresseerd uit het gefilterde BOLD-signaal. Ten slotte werden de residuen van deze regressie geëxtraheerd uit 90 hersenregio's (knooppunten) op basis van de Automated Anatomical Labeling (AAL) atlas [40] , en werden paarsgewijze associaties berekend, resulterend in een 90 bij 90 connectiviteitsmatrix per proefpersoon. De Pearson-correlatiecoëfficiënt (nul vertraging) werd gebruikt om elke paarsgewijze associatie te kwantificeren. Merk op dat het globale signaal niet als storende covariabele werd opgenomen, waardoor het aandeel negatieve correlaties minimaal was.

Data-analyse

De netwerkgebaseerde statistiek (NBS) [41] , [42] werd gebruikt om regionale hersennetwerken te identificeren die een significant verschil tussen groepen vertonen in interregionale functionele connectiviteit. Specifiek werd een t-test uitgevoerd om te testen op een verschil tussen groepen in de correlatiecoëfficiënt bij elk van de 90×(90-1)/2 = 4005 unieke regionale paren. Verbonden netwerken, formeel bekend als graafcomponenten , werden vervolgens geïdentificeerd onder de verbindingen met een t-statistiek die een drempelwaarde van t = 3.0 overschrijdt. Een familie-wise error (FWE)-gecorrigeerde p-waarde werd berekend voor de grootte van elke resulterende component met behulp van permutatietesten (20000 permutaties). Elke permutatie omvatte het willekeurig herschikken van de groepslabels en het identificeren van de grootte van het grootste verbonden netwerk, waardoor een empirische nulverdeling van maximale componentgroottes werd verkregen [43] . Voor elk onderling verbonden netwerk werd een FWE-gecorrigeerde p-waarde geschat als het aandeel permutaties dat een groter onderling verbonden netwerk opleverde, of een netwerk van gelijke grootte. De twee alternatieve hypothesen (verslaving > controles en verslaving < controles) werden onafhankelijk van elkaar geëvalueerd. Al deze stappen werden uitgevoerd met behulp van het NBS-softwarepakket, dat gratis beschikbaar is als onderdeel van de Brain Connectivity Toolbox ( http://www.brain-connectivity-toolbox.net/ ) of NITRC ( http://www.nitrc.org/projects/nbs/ ). Om de reproduceerbaarheid van significante bevindingen met alternatieve atlassen te beoordelen [44] , werd de bovenstaande analyse afzonderlijk herhaald, waarbij de AAL-atlas werd vervangen door twee alternatieve atlassen voor het parcelleren van de cortex in niet-overlappende regio's; namelijk de structurele atlas van het Montreal Neurological Institute (MNI) ( http://www.fmrib.ox.ac.uk/fsl/data/atlas-descriptions.html ) en een willekeurige parcellatie bestaande uit 120 regio's [45] . De MNI-atlas is een grove indeling die acht anatomische regio's per hersenhelft vertegenwoordigt, waardoor de karakterisering van de connectiviteit tussen hersenkwabben wordt vergemakkelijkt.

Vervolgens testten we op verschillen tussen groepen in belangrijke grafiekgebaseerde netwerkmaten [28] ; namelijk de gemiddelde clusteringcoëfficiënt, de karakteristieke padlengte en de small-worldness ratio. Interpretatie van deze maten in termen van hersencomplexiteit en -organisatie is te vinden in veel recente literatuur [26] , [30] , [46] – [49] . De connectiviteitsmatrices werden eerst gebinariseerd met betrekking tot een reeks vaste verbindingsdichtheden, variërend van 10% tot 30% [28] . Netwerkmaten werden bij elke dichtheid berekend met behulp van de juiste functie in de Brain Connectivity Toolbox. De clusteringcoëfficiënt en de karakteristieke padlengte werden genormaliseerd ten opzichte van een ensemble van 20 willekeurige netwerken gegenereerd met behulp van het Maslov-Sneppen-herbedradingsalgoritme [50] . Verschillen tussen groepen werden vervolgens bij elke dichtheid beoordeeld met behulp van een tweezijdige t-test.

Ten slotte werden de clusteringcoëfficiënt en de padlengte lokaal berekend voor elk van de 90 regio's. Er werd ook een tweezijdige t-test gebruikt om te testen op verschillen tussen groepen in deze regiospecifieke maten. De false discovery rate (FDR) [51] werd gebruikt om te corrigeren voor meervoudige vergelijkingen tussen de familie van netwerkdichtheden en regio's.

 

Resultaten

Deelnemerskenmerken

Alle deelnemers waren rechtshandige mannen. Er werd geen significant verschil gevonden in leeftijd en IQ tussen de twee groepen, en de YIAS-score was significant hoger in de groep met internetverslaving ( Tabel 1 ).

Groepsverschillen in functionele connectiviteit

De NBS identificeerde één netwerk dat een significant ( p < 0.05, FWE-gecorrigeerd) verminderde connectiviteit vertoonde bij adolescenten met internetverslaving in vergelijking met controles. Dit aangetaste netwerk bestond uit 59 verbindingen, waarbij 38 verschillende hersengebieden betrokken waren ( Figuur 1 ). Het netwerk werd grotendeels gerepliceerd toen de AAL-atlas werd vervangen door twee alternatieve atlassen voor het parcelleren van de cortex in niet-overlappende gebieden (zie Figuur S1 ). Ondanks aanzienlijke variatie in het totale aantal gebieden dat deze atlassen omvat (AAL: 90, MNI: 16, willekeurig: 120), was er opmerkelijke consistentie zichtbaar in de algehele netwerkstructuur. De netwerkgrootte nam, zoals verwacht, toe met de resolutie van de atlas (d.w.z. het totale aantal gebieden), wat leidde tot een complexere configuratie. De betrokken corticale en subcorticale gebieden (en corresponderende lobben) werden echter grotendeels gerepliceerd in de drie atlassen. De figuren werden gevisualiseerd met de BrainNet Viewer ( http://www.nitrc.org/projects/bnv/ ).

thumbnail

Figuur 1. Netwerk van verminderde functionele hersenconnectiviteit bij adolescenten met internetverslaving.

Rode stippen representeren stereotactische centroïden van hersenregio's (knooppunten) gedefinieerd door de Automated Anatomical Labeling (AAL)-atlas, en blauwe lijnen representeren verbindingen boven de drempelwaarde (t = 3.0) die het aangedane netwerk vormen, geïdentificeerd met behulp van de netwerkgebaseerde statistiek (NBS) ( p < 0.05, componentgewijs gecorrigeerd). De axiale weergave illustreert de betrokkenheid van interhemisferische verbindingen (d.w.z. verbindingen tussen de rechter- en linkerhersenhelft). De sagittale weergave illustreert de betrokkenheid van de frontale, temporale en pariëtale kwabben in het aangedane netwerk.

doi: 10.1371 / journal.pone.0057831.g001

Volgens Fornito et al. [52] werden AAL-regio's gecategoriseerd in overeenkomstige grote kwabben (bijv. frontaal, temporaal, pariëtaal) en werd het aandeel verbindingen tussen deze grootschalige onderverdelingen gekwantificeerd voor elk paar kwabben. Er werd vastgesteld dat fronto-temporo-pariëtale verbindingen waren aangetast, maar de occipitale kwab was niet opgenomen in het aangetaste netwerk. De meeste verbindingen die verminderd waren in de internetverslavingsgroep betroffen verbindingen tussen subcorticale regio's en de frontale (~24%) en pariëtale (~27%) cortex ( Figuur 2 ). Om beter te begrijpen welke subcorticale regio's mogelijk bijdragen aan deze bevinding, onderzochten we de connectiviteit tussen elke corticale kwab en elke subcorticale regio afzonderlijk in het NBS-netwerk ( Figuur S2 ). Deze analyse onthulde dat de subcorticale regio's de hippocampus, de globus pallidus en het putamen omvatten. De amygdala en de nucleus caudatus waren niet opgenomen in het aangetaste netwerk. Het bilaterale putamen was het meest uitgebreid aangedane subcorticale gebied en vertoonde verminderde verbindingen met alle drie de belangrijkste hersenkwabben. Dit patroon werd gerepliceerd met behulp van de MNI-atlas, waaruit het resulterende netwerk alleen het putamen en de insula omvatte, naast de frontale, pariëtale en temporale kwabben; de nucleus caudatus en de occipitale kwab waren niet opgenomen in het aangedane netwerk.

thumbnail

Figuur 2. Proportie van de verbindingen die bij internetverslaving zijn aangetast en die verschillende paren van brede hersengebieden met elkaar verbinden.

Het aantal links waarbij elk paar divisies is betrokken, wordt genormaliseerd door het totale aantal paarsgewijze koppelingen.Let op dat de hippocampus, globus pallidus en putamen zijn toegewezen aan de subcorticale categorie en dat de anterieure cingulate gyrus is toegewezen aan de frontale categorie. De amygdala en caudate nucleus waren niet opgenomen in het verstoorde netwerk en daarom was het niet nodig om deze regio's aan een lob toe te wijzen. Het putamen, bilateraal, was het meest uitgebreid betrokken subcorticale gebied, dat verminderde verbindingen met alle drie de belangrijkste betrokken cerebrale lobben vertoonde.

doi: 10.1371 / journal.pone.0057831.g002

We hebben geen enkel netwerk geïdentificeerd met een verhoogde connectiviteit in de internetverslavingsgroep. Er werd geen significante correlatie gevonden tussen functionele connectiviteit in het geïdentificeerde netwerk en de YIAS-score, hetzij in de internetverslavingsgroep of in controles.

Groepsverschillen in netwerktopologie

Er werd geen verschil tussen de groepen waargenomen in de gemiddelde clusteringcoëfficiënt, de karakteristieke padlengte of de small-worldness ratio bij geen van de onderzochte netwerkdichtheden ( p < 0.05, FDR-gecorrigeerd) ( Figuur 3 ). Bovendien bleef er na FDR-correctie voor meervoudige vergelijkingen geen verschil tussen de groepen in de overeenkomstige lokale (regiospecifieke) maten bestaan. Door een minder strenge correctie voor valse positieven toe te passen, p < (1/90) = 0.011 [53] , om effecten op trendniveau te onderzoeken, werden er wel verschillen tussen de groepen gevonden in de lokale clusteringcoëfficiënt en de lokale padlengte, die voornamelijk in de occipitale lobben voorkwamen ( Tabellen S1 en S2 ).

thumbnail

Figuur 3. Small-world parameters van functionele hersenconnectiviteit bij adolescenten met internetverslaving.

doi: 10.1371 / journal.pone.0057831.g003

 

 

Discussie

Er werd bewijs gevonden voor een verminderde functionele connectiviteit van de hersenen bij adolescenten met internetverslaving. In overeenstemming met de huidige modellen die de rol van cortico-subcorticale pathologie bij verslaving benadrukken [54] , betrof 24% van de verbindingen in het veranderde netwerk dat verslaafde individuen van gezonde controlepersonen onderscheidt, verbindingen tussen frontale en subcorticale gebieden . Nog eens 27% verbond subcorticale en pariëtale gebieden, met beperkter bewijs voor betrokkenheid van de insula, wederom in overeenstemming met recent bewijs voor de betrokkenheid van deze gebieden bij verslaving. Merk op dat onze analyse een strenge test vormt voor cortico-subcorticale modellen van verslaving, aangezien deze metingen omvatte van de paarsgewijze functionele connectiviteit tussen 90 verschillende gebieden verspreid over de hersenen. Het feit dat cortico-subcorticale systemen naar voren kwamen als een prominente pathologie in deze volledig datagedreven analyse, biedt sterke steun voor de betrokkenheid van deze systemen bij internetverslaving. Bovendien wijzen onze bevindingen erop dat internetverslaving neurobiologische kenmerken deelt met andere verslavingsstoornissen, en dat met name subcorticale gebieden kernlocaties van hersennetwerkpathologie kunnen zijn. Een belangrijke kanttekening is de opvatting van het National Institute on Drug Abuse dat gedragsverslavingen relatief zuivere modellen van verslaving zouden kunnen zijn, aangezien deze aandoeningen niet worden beïnvloed door de effecten van middelen [55] . Terwijl het onderzoek naar veel andere verslavingsstoornissen steevast wordt vertroebeld door secundaire toxiciteitseffecten van middelenmisbruik, wordt internetverslaving gedragsmatig gediagnosticeerd en biedt het dus een gerichter model voor het bestuderen van verslaving dat vrij is van langetermijneffecten van drugs.

In deze studie werd de NBS gebruikt met gemeten netwerkomvang op basis van de omvang; dat wil zeggen, het totale aantal verbindingen dat het netwerk omvat. Deze groottemaat is niet geschikt voor het detecteren van focale effecten waarbij afzonderlijke geïsoleerde verbindingen zijn betrokken die niet gezamenlijk een netwerk vormen. Om te testen op dit soort focale verschillen tussen groepen, werd in de NBS-analyse herhaald getest op verschillen in componentmassa in plaats van grootte. De massastatistiek biedt een grotere gevoeligheid voor focale, intense effecten dan testen op verschillen in componentgrootte. Daarnaast hebben we ook grens-achtige vergelijkingen toegepast met behulp van de FDR, die erg gevoelig zal zijn voor focale effecten met hoge intensiteit. Er waren geen significante verschillen tussen de groepen waarneembaar met de FDR- of massastatistieken, wat suggereert dat afwijkende connectiviteit bij internetverslaving een gedistribueerd netwerk omvat dat verschillende corticale en subcorticale regio's omvat.

Aangezien bekend is dat de eigenschappen van hersennetwerken gevoelig zijn voor de keuze van het parcellatiesjabloon, hebben we verschillende alternatieve parcellatieschema's onderzocht om de reproduceerbaarheid van eventuele bevindingen te beoordelen bij veranderingen in de definitie van knooppunten [45] , [56] , [57] . Dit stelde ons in staat om de mogelijkheid uit te sluiten dat bepaalde bevindingen slechts te wijten waren aan een statistisch gunstige positionering van knooppunten, maar niet reproduceerbaar waren met andere bekende parcellaties.

In tegenstelling tot de verminderde sterkte van de functionele connectiviteit, lieten topologische parameters geen significante groepsverschillen zien. Zelfs toen we verdere exploratieve analyses uitvoerden op basis van minder strenge controle op type I-fouten, wezen de resultaten op mogelijke topologische verschillen, voornamelijk in de occipitale kwab, die niet werd beïnvloed in de NBS-analyse. Hoewel internetverslaving dus geassocieerd was met een wijdverspreide en significante afname van de functionele connectiviteit in cortico-subcorticale circuits, was deze afname niet geassocieerd met een globale verstoring van de topologie van het functionele hersennetwerk. Deze studie toont aan dat wijdverspreide verschillen in functionele connectiviteit kunnen bestaan ​​zonder veranderingen in fundamentele topologische maten. Het lijkt misschien opmerkelijk dat de verschillen in connectiviteitssterkte zo wijdverspreid waren zonder significante topologische verschillen. Het is echter belangrijk op te merken dat topologie en connectiviteitssterkte afzonderlijke eigenschappen van het connectoom zijn en dat afwijkingen in de ene niet noodzakelijkerwijs afwijkingen in de andere impliceren. Vergelijkbare bevindingen zijn waargenomen bij andere aandoeningen [52] , [58] . We merken echter op dat de groepsverschillen in sommige topologische eigenschappen neigden naar statistische significantie. Analyse van een grotere steekproef kan de nodige statistische power opleveren om deze effecten als significant te bestempelen. Onze resultaten suggereren dat topologische veranderingen subtieler kunnen zijn dan de veranderingen die worden waargenomen bij functionele connectiviteitsmetingen.

Van de 59 verbindingen die in het veranderde netwerk waren opgenomen, waren er 25 interhemisferische verbindingen en 34 intrahemisferische, wat wijst op de betrokkenheid van zowel lange- als korte-afstandsverbindingen in de hersenen. Gezien het feit dat internetverslaving een recent erkende psychische aandoening is, waarvan het concept en de diagnostische criteria nog onduidelijk en niet vastgesteld zijn, is het misschien verrassend om zo'n uitgebreid aangetast netwerk in de hersenen van deze proefpersonen te vinden. Recentelijk onderzochten Lin et al. (2012) de integriteit van de witte stof in de hersenen van adolescenten met internetverslaving met behulp van diffusietensorbeeldvorming en vonden een wijdverspreide afname van fractionele anisotropie (FA) in de hersenen, zonder een gebied met hogere FA in de internetverslavingsgroep [13] . Dergelijke resultaten suggereren een mogelijke anatomische basis voor de functionele verstoringen die in onze steekproef zijn waargenomen, een hypothese die getest zou kunnen worden met behulp van gecombineerde fMRI en diffusiegewogen beeldvorming bij dezelfde deelnemers [59].

Gezien het grote aantal interhemisferische verbindingen dat in het veranderde netwerk werd gevonden, wordt al lange tijd gedacht dat efficiënte interhemisferische communicatie belangrijk is voor hersenfuncties [60] – [63] . Relatief weinig neuroimaging-studies naar verslaving hebben echter de functionele integratie tussen de bilaterale hemisferen onderzocht. Recentelijk observeerden Kelly et al. (2011) een verminderde interhemisferische functionele connectiviteit bij cocaïneafhankelijke volwassenen [64] . Zij toonden een primaire betrokkenheid van een frontopariëtaal netwerk aan, met een relatieve spaarzaamheid van temporale gebieden, resultaten die parallel lopen aan onze bevindingen. Hoewel de auteurs de bevinding voornamelijk bespraken als een weerspiegeling van de langetermijneffecten van chronische cocaïneblootstelling, noemden zij ook de mogelijkheid dat verminderde interhemisferische functionele connectiviteit de blootstelling aan cocaïne als kwetsbaarheid voor verslavingsstoornissen voorafging. Onze resultaten suggereren dat deze interhemisferische veranderingen een kwetsbaarheid voor verslavingsstoornissen weerspiegelen, of een neuraal correlaat van algemeen verslavend gedrag, in plaats van een gevolg te zijn van langdurig drugsgebruik, aangezien verslaving in onze steekproef puur in gedragsmatige termen werd gedefinieerd. Deze mogelijkheden zouden kunnen worden onderzocht door te zoeken naar fenotypische overeenkomsten tussen niet-aangedane familieleden van personen met een drugsverslaving of een gedragsverslaving.

Interessant genoeg werd een vergelijkbaar patroon van verminderde functionele connectiviteit in rusttoestand tussen frontale en pariëtale gebieden gerapporteerd bij zowel cocaïne- als heroïneverslaafde individuen [ 64] , [65] . In een recent overzicht suggereerden Sutherland et al. (2012) dat verminderde connectiviteit in de frontopariëtale circuits een centrale component zou kunnen zijn in het verstoorde cognitieve controlenetwerk van drugsverslaafde populaties [54] . Onze bevindingen bij internetverslaving ondersteunen ook het idee dat verminderde functionele connectiviteit tussen frontale en pariëtale gebieden een gemeenschappelijk kenmerk zou kunnen zijn bij verschillende soorten verslaving, wat wijst op de aanwezigheid van een gedeeld fenotype dat geen secundair gevolg is van drugsgebruik. Bovendien toonde een recent onderzoek naar de functionele connectiviteit van de gehele hersenen bij schizofrenie prominente frontotemporale veranderingen aan in plaats van frontopariëtale of frontostriatale veranderingen [52] , consistent met klassieke pathofysiologische modellen van de stoornis [66] . De meest opmerkelijke bevinding van deze studie is natuurlijk dat internetverslaving in het bijzonder geassocieerd werd met pathologie van striatale circuits, een systeem dat vaak betrokken is bij andere verslavingsstoornissen, wat wijst op een gedeeld neurobiologisch fenotype . Het identificeren van veranderde striatale circuits die overlappen met die van reeds vastgestelde verslavingsstoornissen zou nuttig kunnen zijn om te testen of het verslavingsmodel een geschikt theoretisch kader is voor het begrijpen van de stoornis [67] , [68] . Het blijft echter de vraag of een relatief sterkere verstoring van de frontopariëtale en fronto-striatale functionele connectiviteit grotendeels specifiek is voor verslavingsstoornissen. Toekomstige studies die verschillende stoornissen rechtstreeks met elkaar vergelijken zijn nodig om specificiteit vast te stellen.

Een van de meest interessante bevindingen in de huidige studie was de sterke betrokkenheid van het putamen. Van deze hersenstructuur is bekend dat ze verschillende neurotransmitters moduleert, waaronder dopamine, en een afgestompte dopaminerge functie in het striatum is sterk betrokken bij een van de belangrijkste biologische mechanismen van verslavingsstoornissen [8] . Dopamine is een belangrijke modulator van de putamenfunctie en speelt mogelijk een belangrijke rol in de verstoringen van de functionele connectiviteit die in deze studie zijn waargenomen. Dit is consistent met recent bewijs dat de beschikbaarheid van de dopamine-transporter en D2-receptor in het striatum is veranderd bij mensen met internetverslaving [6] , [7] en dat genetische en farmacologische modulatie van de dopamineniveaus in de hersenen een diepgaande invloed kan hebben op patronen van functionele connectiviteit [69] - [71] . Rekening houdend met deze eerdere rapporten en het voorgestelde neurobiologische mechanisme van verslaving waarbij sprake is van een afgestompte dopaminerge functie in het striatum [8] , zal het begrijpen van de effecten van dopamine op het netwerk dat in deze studie een veranderde functionele connectiviteit vertoont, een belangrijke stap voorwaarts betekenen in het begrijpen van de neurobiologische correlaten van internetverslaving.

Onze bevinding dat het putamen het meest uitgebreid betrokken subcorticale gebied was in het verminderde functionele netwerk, met uitzondering van de nucleus caudatus, is ook interessant. Beide structuren maken deel uit van het striatum, dat op zijn beurt deel uitmaakt van de subcorticale structuren. Het putamen wordt doorgaans beschouwd als een hersenregio die geassocieerd wordt met motorische activiteit en is minder vaak in verband gebracht met verslaving dan de nucleus caudatus . Van motorische activiteiten is aangetoond dat een goed aangeleerde reeks repetitieve vingerbewegingen geassocieerd is met activatie in het putamen [72] – [76] . Mensen die lijden aan internetverslaving vertonen mogelijk een veel hogere frequentie van bepaalde gedragingen gedurende een lange periode, waaronder repetitieve manipulatie van de muis en het toetsenbord, en deze ervaringen kunnen hun hersenen beïnvloeden. Daarom zou een afwijkende connectiviteit vanuit het putamen een specifiek kenmerk van internetverslaving kunnen zijn. Omdat we echter de mate van vingermanipulatie bij onze deelnemers niet hebben gemeten, blijft de implicatie van verminderde in plaats van verhoogde functionele connectiviteit met betrekking tot het putamen in relatie tot muis-/toetsenbordmanipulatie open voor toekomstig onderzoek. Als alternatief kan de betrokkenheid van het putamen bij onze bevindingen de rol ervan weerspiegelen in cognitieve processen die gedeeld worden met de nucleus caudatus en die verstoord zijn bij verslaving, zoals de verwerking van beloningen [77] , [78].

Een ander punt dat de moeite waard is om te bespreken, is de afwezigheid van een toename in functionele connectiviteit in de groep met internetverslaving. Hoewel we voornamelijk een afname in functionele connectiviteit in de verslavingsgroep verwachtten, sloten we de mogelijkheid van een toename in functionele connectiviteit niet uit, met name gezien de hypothese dat adolescenten met internetverslaving een oefeneffect zouden kunnen vertonen als gevolg van overmatige online activiteiten [79] – [82] . Een mogelijke verklaring voor de negatieve bevinding zou kunnen zijn dat onze kleine steekproefomvang onvoldoende power had om deze aan oefening gerelateerde toename in functionele connectiviteit te detecteren. Het is echter nog niet volledig vastgesteld of cognitieve prestaties bij bepaalde taken of de ernst van bepaalde psychopathologieën zich manifesteren als een afname of toename in functionele connectiviteit [83] , [84] . Een andere overweging is dat het effect van langdurig overmatig internetgebruik de hersenen mogelijk verschillend beïnvloedt, afhankelijk van de subpopulatie. Een subpopulatie die bijvoorbeeld professionele online gamers wordt genoemd, houdt zich bezig met intensieve internetactiviteiten, besteedt evenveel tijd aan het oefenen van online games en presteert waarschijnlijk beter in die games dan mensen met een internetverslaving, en toch lijkt er geen sprake te zijn van een verslaving, zoals blijkt uit een significant lagere YIAS-score [85] . Daarom zou men kunnen veronderstellen dat de effecten van oefening in internetactiviteiten zich wellicht verschillend manifesteren, afhankelijk van het individu.

De huidige studie kent een aantal belangrijke beperkingen. Ten eerste was de steekproefomvang vrij klein, wat waarschijnlijk onze mogelijkheid beperkte om significante correlaties tussen functionele connectiviteit en YIAS-scores te detecteren. De huidige bevinding moet daarom worden gerepliceerd in een grotere steekproef van deelnemers met internetverslaving en controlegroep. Het is echter opmerkelijk dat onze steekproefomvang over het algemeen vergelijkbaar was met die van eerdere functionele neuroimaging-studies naar internetverslaving. Onze steekproef was uniek, aangezien de meeste eerdere studies gebaseerd waren op volwassenen [2] – [7] . Ten tweede zijn de diagnostische criteria voor internetverslaving nog niet stevig vastgesteld, hoewel onze bevindingen wijzen op een mogelijke neurobiologische basis voor deze vermeende stoornis. Ten derde, hoewel we comorbide psychische stoornissen hebben uitgesloten met behulp van K-SADS-PL, zouden subklinische symptomen van comorbide psychische aandoeningen nog steeds aanwezig kunnen zijn geweest. Ten vierde had het verzamelen van een breder scala aan klinische informatie, zoals slaapgewoonten, onze gegevens kunnen verrijken en onze bijdrage aan de literatuur kunnen verbeteren [86] , [87] . Ten slotte beperkt het cross-sectionele onderzoeksontwerp de interpretatie van een causaal verband tussen verminderde functionele connectiviteit en de ontwikkeling van internetverslaving. Het is belangrijk op te merken dat hoofdbewegingen een belangrijke verstorende factor zijn gebleken bij functionele neuroimaging [38] , [88] . In deze studie werden hoofdbewegingen uitgebreid beoordeeld met behulp van een reeks recent voorgestelde rotatie- en verplaatsingsmaten [38] . Er werd geen significant verschil tussen de groepen gevonden voor geen van de onderzochte hoofdbewegingsmaten.

Samenvattend suggereren de resultaten van dit onderzoek dat adolescenten met een internetverslaving een veranderde functionele connectiviteit in de hersenen vertonen, zonder dat er sprake is van grote verstoringen in de netwerktopologie. Het veranderde netwerk vertoonde een uitgebreide betrokkenheid van lange-afstandsverbindingen tussen de hersenhelften, evenals korte-afstandsverbindingen binnen de hersenhelften. Subcorticale hersengebieden spelen mogelijk een belangrijke rol in dit veranderde netwerk, met name het putamen, dat verminderde verbindingen vertoonde met alle drie de betrokken hersenkwabben.

 

 

ondersteunende informatie

Figure_S1.tif

Netwerk van verminderde functionele hersenconnectiviteit bij adolescenten met internetverslaving (met behulp van verschillende atlassen). Rode stippen representeren stereotactische centroïden van hersenregio's (knooppunten) gedefinieerd door de structurele atlas van het Montreal Neurological Institute (MNI) (A) en de atlas van willekeurige parcellatie (B), en blauwe lijnen representeren verbindingen boven de drempelwaarde (t = 2.1 en 3.0 respectievelijk) die het getroffen netwerk vormen, geïdentificeerd met behulp van de netwerkgebaseerde statistiek (NBS) ( p < 0.05, componentgewijs gecorrigeerd).

Figuur S1.

Netwerk van verminderde functionele hersenconnectiviteit bij adolescenten met internetverslaving (met behulp van verschillende atlassen). Rode stippen representeren stereotactische centroïden van hersenregio's (knooppunten) gedefinieerd door de structurele atlas van het Montreal Neurological Institute (MNI) (A) en de atlas van willekeurige parcellatie (B), en blauwe lijnen representeren verbindingen boven de drempelwaarde (t = 2.1 en 3.0 respectievelijk) die het getroffen netwerk vormen, geïdentificeerd met behulp van de netwerkgebaseerde statistiek (NBS) ( p < 0.05, componentgewijs gecorrigeerd).

(TIF)

Figuur S2.

Aandeel van de verbindingen die bij internetverslaving zijn aangetast en die verschillende paren van brede hersengebieden met elkaar verbinden (gedetailleerd voor subcorticale gebieden). Het aantal verbindingen tussen elk paar gebieden is genormaliseerd ten opzichte van het totale aantal verbindingen tussen deze paren.

(TIF)

Tabel S1.

Lokale clustercoëfficiënt. Deze tabel toont resultaten op trendniveau met een minder strenge correctie voor valse positieven p <(1/90) = 0.011; geen enkel resultaat bleef overeind na de standaardcorrectie voor valse positieven bij meervoudige vergelijkingen.

(DOC)

Tabel S2.

Lokale padlengte. Deze tabel toont resultaten op trendniveau met een minder strenge correctie voor valse positieven p <(1/90) = 0.011; geen enkel resultaat bleef overeind na de standaardcorrectie voor valse positieven bij meervoudige vergelijkingen.

(DOC)

  

 

Bijdragen van auteurs

Bedacht en ontwierp de experimenten: SBH EJC HHK JES CDK JWK SHY. Voer de experimenten uit: SBH EJC HHK JES. Analyse van de gegevens: SBH AZ LC AF. Bijbehorende reagens / materialen / analyse-instrumenten: SBH AZ LC AF CDK JWK SHY. Schreef het blad: SBH AZ LC AF EJC HHK JES CDK JWK SHY.

  

 

Referenties

  1. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) De associatie tussen internetverslaving en psychiatrische stoornissen: een overzicht van de literatuur. Eur Psychiatry 27: 1-8. doi: 10.1016 / j.eurpsy.2010.04.011. Vind dit artikel online
  2. Dong G, Huang J, Du X (2011) Verbeterde beloningsgevoeligheid en verminderde verliesgevoeligheid bij internetverslaafden: een fMRI-onderzoek tijdens een goktaak. J Psychiatr Res 45: 1525-1529. doi: 10.1016 / j.jpsychires.2011.06.017. Vind dit artikel online
  3. Han DH, Bolo N, Daniels MA, Arenella L, Lyoo IK, et al. (2011) Hersenactiviteit en verlangen naar video-gameplay op internet. Compr Psychiatry 52: 88-95. doi: 10.1016 / j.comppsych.2010.04.004. Vind dit artikel online
  4. Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010) Veranderingen in cue-geïnduceerde prefrontale cortexactiviteit met video-gameplay. Cyberpsychol Behav Soc Netw 13: 655-661. doi: 10.1089 / cyber.2009.0327. Vind dit artikel online
  5. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Hersenactiviteiten in verband met gamingdrang bij online gamingverslaving. J Psychiatr Res 43: 739-747. doi: 10.1016 / j.jpsychires.2008.09.012. Vind dit artikel online
  6. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, et al. (2011) Verminderde striatale dopamine D2-receptoren bij mensen met internetverslaving. Neuroreport 22: 407-411. doi: 10.1097/WNR.0b013e328346e16e. Vind dit artikel online
  7. Hou H, Jia S, Hu S, Fan R, Sun W, et al. (2012) Gereduceerde striatale dopaminetransporters bij mensen met een internetverslaving. J Biomed Biotechnol 2012: 854524. doi: 10.1155/2012/854524. Vind dit artikel online
  8. Goldstein RZ, Volkow ND (2011) Dysfunctie van de prefrontale cortex in verslaving: neuroimaging-bevindingen en klinische implicaties. Nat Rev Neurosci 12: 652-669. doi: 10.1038 / nrn3119. Vind dit artikel online
  9. Goldstein RZ, Craig AD, Bechara A, Garavan H, Childress AR, et al. (2009) Het neurocircuit van verminderd inzicht in drugsverslaving. Trends Cogn Sci 13: 372-380. doi: 10.1016 / j.tics.2009.06.004. Vind dit artikel online
  10. Naqvi NH, Bechara A (2010) De insula en drugsverslaving: een interoceptieve kijk op plezier, aandrang en besluitvorming. Brain Struct Funct 214: 435-450. doi: 10.1007/s00429-010-0268-7. Vind dit artikel online
  11. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, et al. (2011) Afwijkingen van grijze stof bij internetverslaving: een op voxel gebaseerde morfometrie-studie. Eur J Radiol 79: 92-95. doi: 10.1016 / j.ejrad.2009.10.025. Vind dit artikel online
  12. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Microstructuurafwijkingen bij adolescenten met een internetverslavingsstoornis. PLoS One 6: e20708. doi: 10.1371 / journal.pone.0020708. Vind dit artikel online
  13. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Abnormale integriteit van witte stof bij adolescenten met internetverslavingsstoornis: een op tractiegebaseerd onderzoek naar ruimtelijke statistieken. PLoS One 7: e30253. doi: 10.1371 / journal.pone.0030253. Vind dit artikel online
  14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Verhoogde regionale homogeniteit in internetverslavingsstoornis: een rusttoestand functionele magnetische resonantie beeldvormingsstudie. Chin Med J (Engl) 123: 1904-1908. Vind dit artikel online
  15. Yuan K, Qin W, Liu Y, Tian J (2011) Internetverslaving: Neuroimaging-resultaten. Commun Integr Biol 4: 637-639. Vind dit artikel online
  16. Raichle ME, Snyder AZ (2007) Een standaardmodus voor de hersenfunctie: een korte geschiedenis van een evoluerend idee. Neuroimage 37: 1083-1090; discussie 1097-1089. doi: 10.1016 / j.neuroimage.2007.02.041. Vind dit artikel online
  17. Fox MD, Corbetta M, Snyder AZ, Vincent JL, Raichle ME (2006) Spontane neuronale activiteit onderscheidt menselijke dorsale en ventrale aandachtssystemen. Proc Natl Acad Sci USA 103: 10046-10051. doi: 10.1073 / pnas.0604187103. Vind dit artikel online
  18. Smith SM, Miller KL, Moeller S, Xu J, Auerbach EJ, et al. (2012) Temporeel onafhankelijke functiemodi van spontane hersenactiviteit. Proc Natl Acad Sci USA 109: 3131-3136. doi: 10.1073 / pnas.1121329109. Vind dit artikel online
  19. Damoiseaux JS, Rombouts SA, Barkhof F, Scheltens P, Stam CJ, et al. (2006) Consistente rust-statelijke netwerken voor gezonde proefpersonen. Proc Natl Acad Sci USA 103: 13848-13853. doi: 10.1073 / pnas.0601417103. Vind dit artikel online
  20. Shehzad Z, Kelly AM, Reiss PT, Gee DG, Gotimer K, et al. (2009) Het rustende brein: ongedwongen en toch betrouwbaar. Cereb Cortex 19: 2209-2229. doi: 10.1093 / cercor / bhn256. Vind dit artikel online
  21. Fornito A, Bullmore ET (2012) Connectomische intermediaire fenotypen voor psychiatrische stoornissen. Front Psychiatry 3: 32. doi: 10.3389 / fpsyt.2012.00032. Vind dit artikel online
  22. Fornito A, Zalesky A, Bassett DS, Meunier D, Ellison-Wright I, et al. (2011) Genetische invloeden op een kostenefficiënte organisatie van menselijke corticale functionele netwerken. J Neurosci 31: 3261-3270. doi: 10.1523 / JNEUROSCI.4858-10.2011. Vind dit artikel online
  23. Glahn DC, Winkler AM, Kochunov P, Almasy L, Duggirala R, et al. (2010) Genetische controle over de rustende hersenen. Proc Natl Acad Sci USA 107: 1223-1228. doi: 10.1073 / pnas.0909969107. Vind dit artikel online
  24. Fox MD, Raichle ME (2007) Spontane fluctuaties in hersenactiviteit waargenomen met functionele magnetische resonantie beeldvorming. Nat Rev Neurosci 8: 700-711. doi: 10.1038 / nrn2201. Vind dit artikel online
  25. Fornito A, Bullmore ET (2010) Wat kunnen spontane fluctuaties van het bloedoxygeniveau-afhankelijke signaal ons over psychiatrische aandoeningen vertellen? Huidige mening in Psychiatry 23: 239-249. doi: 10.1097/YCO.0b013e328337d78d. Vind dit artikel online
  26. Bullmore E, Sporns O (2009) Complexe hersennetwerken: grafiettheoretische analyse van structurele en functionele systemen. Nat Rev Neurosci 10: 186-198. Vind dit artikel online
  27. Block JJ (2008) Issues for DSM-V: internetverslaving. Am J Psychiatry 165: 306-307. doi: 10.1176 / appi.ajp.2007.07101556. Vind dit artikel online
  28. Rubinov M, Sporns O (2010) Complexe netwerkmetingen van hersenconnectiviteit: gebruik en interpretaties. Neuroimage 52: 1059-1069. doi: 10.1016 / j.neuroimage.2009.10.003. Vind dit artikel online
  29. Xia M, He Y (2011) Magnetische resonantiebeeldvorming en grafentheoretische analyse van complexe hersennetwerken bij neuropsychiatrische stoornissen. Brain Connect 1: 349-365. doi: 10.1089 / brain.2011.0062. Vind dit artikel online
  30. Fornito A, Zalesky A, Pantelis C, Bullmore ET (2012) Schizofrenie, neuroimaging en connectomics. Neuroimage doi: 10.1016 / j.neuroimage.2011.12.090. Vind dit artikel online
  31. Gong G, He Y, Evans AC (2011) Hersenen-connectiviteit: gender maakt een verschil. Neurowetenschapper 17: 575-591. doi: 10.1177/1073858410386492. Vind dit artikel online
  32. Widyanto L, McMurran M (2004) De psychometrische eigenschappen van de internetverslavingstest. Cyberpsychol Behav 7: 443-450. doi: 10.1089 / cpb.2004.7.443. Vind dit artikel online
  33. Kaufman J, Birmaher B, Brent D, Rao U, Flynn C, et al. (1997) Schema voor affectieve stoornissen en schizofrenie voor de schoolgaande versie van de huidige kinderen en hun leven (K-SADS-PL): initiële betrouwbaarheids- en geldigheidsgegevens. J Am Acad Child Adolesc Psychiatry 36: 980-988. doi: 10.1097 / 00004583-199707000-00021. Vind dit artikel online
  34. Kim YS, Cheon KA, Kim BN, Chang SA, Yoo HJ, et al. (2004) De betrouwbaarheid en geldigheid van Kiddie-Schedule voor affectieve stoornissen en Schizofrenie-Present en Lifetime versie- Koreaanse versie (K-SADS-PL-K). Yonsei Med J 45: 81-89. Vind dit artikel online
  35. Christakis DA (2010) Internetverslaving: een 21ST -eeuwse epidemie? BMC Med 8: 61. doi: 10.1186/1741-7015-8-61. Vind dit artikel online
  36. Flisher C (2010) Ingestoken worden: een overzicht van internetverslaving. J Paediatr Kindergezondheid 46: 557-559. doi: 10.1111 / j.1440-1754.2010.01879.x. Vind dit artikel online
  37. Chao-Gan Y, Yu-Feng Z (2010) DPARSF: een MATLAB-toolbox voor "Pipeline" -gegevensanalyse van fMRI in rusttoestand. Front Syst Neurosci 4:13. Vind dit artikel online
  38. Van Dijk KR, Sabuncu MR, Buckner RL (2012) De invloed van kopbeweging op intrinsieke functionele connectiviteit MRI. Neuroimage 59: 431-438. doi: 10.1016 / j.neuroimage.2011.07.044. Vind dit artikel online
  39. Wilke M, Holland SK, Altaye M, Gaser C (2008) Template-O-Matic: een toolbox voor het maken van aangepaste pediatrische sjablonen. Neuroimage 41: 903-913. doi: 10.1016 / j.neuroimage.2008.02.056. Vind dit artikel online
  40. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) Geautomatiseerde anatomische labeling van activeringen in SPM met behulp van een macroscopische anatomische verkaveling van de MNI MRI single-subject hersenen. Neuroimage 15: 273-289. doi: 10.1006 / nimg.2001.0978. Vind dit artikel online
  41. Zalesky A, Fornito A, Bullmore ET (2010) Statistiek op netwerkbasis: het identificeren van verschillen in hersennetwerken. Neuroimage 53: 1197-1207. doi: 10.1016 / j.neuroimage.2010.06.041. Vind dit artikel online
  42. Zalesky A, Cocchi L, Fornito A, Murray MM, Bullmore E (2012) Verbindingsverschillen in hersennetwerken. Neuroimage 60: 1055-1062. doi: 10.1016 / j.neuroimage.2012.01.068. Vind dit artikel online
  43. Nichols TE, Holmes AP (2002) Niet-parametrische permutatietests voor functionele neuroimaging: een primer met voorbeelden. Human Brain Mapping 15: 1-25. doi: 10.1002 / hbm.1058. Vind dit artikel online
  44. Pruik GS, Schlaggar BL, Petersen SE (2011) Concepten en principes bij de analyse van hersennetwerken. Ann NY Acad Sci 1224: 126-146. doi: 10.1111 / j.1749-6632.2010.05947.x. Vind dit artikel online
  45. Zalesky A, Fornito A, Harding IH, Cocchi L, Yucel M, et al. (2010) Anatomische netwerken van hele hersenen: doet de keuze van de knooppunten er toe? Neuroimage 50: 970-983. doi: 10.1016 / j.neuroimage.2009.12.027. Vind dit artikel online
  46. Bassett DS, Bullmore ET (2009) Menselijke hersennetwerken bij gezondheid en ziekte. Curr Opin Neurol 22: 340-347. doi: 10.1097/WCO.0b013e32832d93dd. Vind dit artikel online
  47. Guye M, Bettus G, Bartolomei F, Cozzone PJ (2010) Grafiektheoretische analyse van structurele en functionele connectiviteit MRI in normale en pathologische hersennetwerken. MAGMA 23: 409-421. doi: 10.1007 / s10334-010-0205-z. Vind dit artikel online
  48. He Y, Evans A (2010) Grafisch theoretische modellering van hersenconnectiviteit. Curr Opin Neurol 23: 341-350. doi: 10.1097/WCO.0b013e32833aa567. Vind dit artikel online
  49. Bassett DS, Gazzaniga MS (2011) Complexiteit in het menselijk brein begrijpen. Trends Cogn Sci 15: 200-209. doi: 10.1016 / j.tics.2011.03.006. Vind dit artikel online
  50. Maslov S, Sneppen K (2002) Specificiteit en stabiliteit in de topologie van eiwitnetwerken. Wetenschap 296: 910-913. doi: 10.1126 / science.1065103. Vind dit artikel online
  51. Genovese CR, Lazar NA, Nichols T (2002) Drempeling van statistische kaarten in functionele neuroimaging met behulp van de valse ontdekkingssnelheid. Neuroimage 15: 870-878. doi: 10.1006 / nimg.2001.1037. Vind dit artikel online
  52. Fornito A, Yoon J, Zalesky A, Bullmore ET, Carter CS (2011) Algemene en specifieke functionele connectiviteitsstoornissen bij schizofrenie van de eerste episode tijdens cognitieve controle prestaties. Biol Psychiatry 70: 64-72. doi: 10.1016 / j.biopsych.2011.02.019. Vind dit artikel online
  53. Lynall ME, Bassett DS, Kerwin R, McKenna PJ, Kitzbichler M, et al. (2010) Functionele connectiviteit en hersennetwerken bij schizofrenie. J Neurosci 30: 9477-9487. Vind dit artikel online
  54. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA (2012) Rusttoestand functionele connectiviteit in verslaving: geleerde lessen en een weg vooruit. Neuroimage 62: 2281-2295. doi: 10.1016 / j.neuroimage.2012.01.117. Vind dit artikel online
  55. Shaw M, Black DW (2008) Internetverslaving: definitie, beoordeling, epidemiologie en klinisch management. CNS Drugs 22: 353-365. doi: 10.2165 / 00023210-200822050-00001. Vind dit artikel online
  56. Wang J, Wang L, Zang Y, Yang H, Tang H, et al. (2009) Van pakketvorming afhankelijke hersenfunctionele netwerken van kleine wereld: een fMRI-onderzoek in rusttoestand. Hum Brain Mapp 30: 1511-1523. doi: 10.1002 / hbm.20623. Vind dit artikel online
  57. Fornito A, Zalesky A, Bullmore ET (2010) Netwerkschalingseffecten in grafiekanalysestudies van FMRI-gegevens van de menselijke rusttoestand. Front Syst Neurosci 4: 22. doi: 10.3389 / fnsys.2010.00022. Vind dit artikel online
  58. Cocchi L, Bramati IE, Zalesky A, Furukawa E, Fontenelle L, et al. (2012) Veranderde functionele hersenconnectiviteit in een niet-klinisch monster van jonge volwassenen met Attention-Deficit / Hyperactivity Disorder. J Neurosci doi: 10.1523 / JNEUROSCI.3272-12.2012. Vind dit artikel online
  59. Honey CJ, Sporns O, Cammoun L, Gigandet X, Thiran JP, et al. (2009) Voorspellen van functionele connectiviteit tussen menselijke rusttoestanden en structurele connectiviteit. Proc Natl Acad Sci USA 106: 2035-2040. doi: 10.1073 / pnas.0811168106. Vind dit artikel online
  60. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Verminderde interhemisferische functionele connectiviteit bij autisme. Cereb Cortex 21: 1134-1146. doi: 10.1093 / cercor / bhq190. Vind dit artikel online
  61. Clarke AR, Barry RJ, Heaven PC, McCarthy R, Selikowitz M, et al. (2008) EEG-coherentie bij volwassenen met aandachtstekortstoornis / hyperactiviteit. Int J Psychophysiol 67: 35-40. doi: 10.1016 / j.ijpsycho.2007.10.001. Vind dit artikel online
  62. Pettigrew JD, Miller SM (1998) Een 'plakkerige' interhemisferische schakelaar bij een bipolaire stoornis? Proc Biol Sci 265: 2141-2148. doi: 10.1098 / rspb.1998.0551. Vind dit artikel online
  63. Spencer KM, Nestor PG, Niznikiewicz MA, Salisbury DF, Shenton ME, et al. (2003) Abnormale neurale synchroniteit bij schizofrenie. J Neurosci 23: 7407-7411. Vind dit artikel online
  64. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et al. (2011) Gereduceerde interhemispherische rusttoestand-functionele connectiviteit bij cocaïneverslaving. Biol Psychiatry 69: 684-692. doi: 10.1016 / j.biopsych.2010.11.022. Vind dit artikel online
  65. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Grijze stoftekortkomingen en rusttoestand-afwijkingen bij abstinente heroïneafhankelijke personen. Neurosci Lett 482: 101-105. doi: 10.1016 / j.neulet.2010.07.005. Vind dit artikel online
  66. Fletcher P, McKenna PJ, Friston KJ, Frith CD, Dolan RJ (1999) Abnormale cingulate modulatie van fronto-temporele connectiviteit bij schizofrenie. Neuroimage 9: 337-342. doi: 10.1006 / nimg.1998.0411. Vind dit artikel online
  67. Choi JS, Shin YC, Jung WH, Jang JH, Kang DH, et al. (2012) Veranderde hersenactiviteit tijdens beloningsverwachtingen bij pathologisch gokken en obsessief-compulsieve stoornis. PLoS One 7: e45938. doi: 10.1371 / journal.pone.0045938. Vind dit artikel online
  68. Tomasi D, Volkow ND (2012) Striatocorticale stoornissen in verslaving en obesitas: verschillen en overeenkomsten. Crit Rev Biochem Mol Biol doi: 10.3109/10409238.2012.735642. Vind dit artikel online
  69. Cole DM, Oei NY, Soeter RP, Both S, van Gerven JM, et al. (2012) Dopamine-afhankelijke architectuur van Cortico-subcorticale netwerkconnectiviteit. Cereb Cortex doi: 10.1093 / cercor / bhs136. Vind dit artikel online
  70. Gordon EM, Stollstorff M, Devaney JM, Bean S, Vaidya CJ (2011) Het effect van Dopamine Transporter Genotype op intrinsieke functionele connectiviteit hangt af van de cognitieve status. Cereb Cortex doi: 10.1093 / cercor / bhr305. Vind dit artikel online
  71. Rieckmann A, Karlsson S, Fischer H, Backman L (2011) Caudate dopamine D1-receptordichtheid wordt geassocieerd met individuele verschillen in frontoparietale connectiviteit tijdens werkgeheugen. J Neurosci 31: 14284-14290. doi: 10.1523 / JNEUROSCI.3114-11.2011. Vind dit artikel online
  72. Lehericy S, Bardinet E, Tremblay L, Van de Moortele PF, Pochon JB, et al. (2006) Motorbesturing in basale ganglia-circuits met behulp van fMRI- en hersenatlasbenaderingen. Cereb Cortex 16: 149-161. doi: 10.1093 / cercor / bhi089. Vind dit artikel online
  73. Jenkins IH, Brooks DJ, Nixon PD, Frackowiak RS, Passingham RE (1994) Motor sequence learning: een studie met positron emissie tomografie. J Neurosci 14: 3775-3790. Vind dit artikel online
  74. Jueptner M, Frith CD, Brooks DJ, Frackowiak RS, Passingham RE (1997) Anatomie van motorisch leren. II. Subcorticale structuren en leren door vallen en opstaan. J Neurophysiol 77: 1325-1337. Vind dit artikel online
  75. Roland PE, Meyer E, Shibasaki T, Yamamoto YL, Thompson CJ (1982) Regionale veranderingen in de cerebrale bloedstroom in cortex en basale ganglia tijdens vrijwillige bewegingen bij normale menselijke vrijwilligers. J Neurophysiol 48: 467-480. Vind dit artikel online
  76. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Zowel de primaire motorische cortex als het aanvullende motorische gebied spelen een belangrijke rol bij complexe vingerbewegingen. Hersenen 116 (Pt 6): 1387-1398. doi: 10.1093 / hersenen / 116.6.1387. Vind dit artikel online
  77. Volkow ND, Fowler JS, Wang GJ (2003) Het verslaafde menselijke brein: inzichten uit beeldvormingsstudies. J Clin Invest 111: 1444-1451. Vind dit artikel online
  78. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Veranderde hersenfunctionele netwerken in de kleine wereld en de duur van heroïnegebruik bij mannelijke, abstinente, van heroïne afhankelijke personen. Neurosci Lett 477: 37-42. doi: 10.1016 / j.neulet.2010.04.032. Vind dit artikel online
  79. Di X, Zhu S, Jin H, Wang P, Ye Z, et al. (2012) Veranderde rustende hersenfunctie en -structuur bij professionele badmintonspelers. Brain Connect 2: 225-233. doi: 10.1089 / brain.2011.0050. Vind dit artikel online
  80. Duan X, Liao W, Liang D, Qiu L, Gao Q, et al. (2012) Grootschalige hersennetwerken bij bordspeldeskundigen: inzichten uit een domeingerelateerde taak en taakvrije rusttoestand. PLoS One 7: e32532. doi: 10.1371 / journal.pone.0032532. Vind dit artikel online
  81. Ma L, Narayana S, Robin DA, Fox PT, Xiong J (2011) Veranderingen vinden plaats in het rustende netwerk van het motorsysteem tijdens 4 weken van motorisch leren. Neuroimage 58: 226-233. Vind dit artikel online
  82. Martinez K, Solana AB, Burgaleta M, Hernandez-Tamames JA, Alvarez-Linera J, et al. (2012) Veranderingen in functioneel verbonden parietofrontale rust-rusttoestanden na videogamepraktijk. Hum Brain Mapp doi: 10.1002 / hbm.22129. Vind dit artikel online
  83. Zhou Y, Liang M, Tian L, Wang K, Hao Y, et al. (2007) Functionele desintegratie bij paranoïde schizofrenie met behulp van rust-fMRI. Schizophr Res 97: 194-205. doi: 10.1016 / j.schres.2007.05.029. Vind dit artikel online
  84. Whitfield-Gabrieli S, Thermenos HW, Milanovic S, Tsuang MT, Faraone SV, et al. (2009) Hyperactiviteit en hyperconnectiviteit van het standaardnetwerk bij schizofrenie en in eerstegraads familieleden van personen met schizofrenie. Proc Natl Acad Sci USA 106: 1279-1284. doi: 10.1073 / pnas.0809141106. Vind dit artikel online
  85. Han DH, Lyoo IK, Renshaw PF (2012) Verschillen in regionale grijze stofvolumes bij patiënten met online gameverslaving en professionele gamers. J Psychiatr Res 46: 507-515. doi: 10.1016 / j.jpsychires.2012.01.004. Vind dit artikel online
  86. De Havas JA, Parimal S, Soon CS, Chee MW (2012) Slaapdeprivatie vermindert standaardmodus netwerkconnectiviteit en anticorrelatie tijdens rust en taakprestaties. Neuroimage 59: 1745-1751. doi: 10.1016 / j.neuroimage.2011.08.026. Vind dit artikel online
  87. Killgore WD, Schwab ZJ, Weiner MR (2012) De zelfgerapporteerde nachtelijke slaapduur is geassocieerd met de functionele connectiviteit van de volgende dag in rusttoestand. Neuroreport 23: 741-745. doi: 10.1097 / WNR.0b013e3283565056. Vind dit artikel online
  88. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Valse maar systematische correlaties in functionele connectiviteit MRI-netwerken komen voort uit beweging van het onderwerp. Neuroimage 59: 2142-2154. doi: 10.1016 / j.neuroimage.2011.10.018. Vind dit artikel online