Chong Yaw Wee gelijkwaardige bijdrager, Zhimin Zhao gelijkwaardige bijdrager, Pew-Thian Yap, Guorong Wu, Feng Shi, Ware prijs, Yasong Du, Jianrong Xu, Yan Zhou-mail, Dinggang Shen-mail
Gepubliceerd: September 16, 2014
DOI: 10.1371 / journal.pone.0107306
Abstract
Internetverslavingsstoornis (IAD) wordt steeds meer erkend als een psychische stoornis, vooral onder adolescenten. De pathogenese geassocieerd met IAD blijft echter onduidelijk. In deze studie willen we de hersenfunctionele kenmerken van IAD-adolescenten in rust onderzoeken met behulp van functionele magnetische resonantiebeeldvormingsgegevens. We hebben een grafentheoretische benadering aangenomen om mogelijke verstoringen van functionele connectiviteit te onderzoeken in termen van netwerkeigenschappen, waaronder kleinschaligheid, efficiëntie en knooppuntcentraliteit bij 17 adolescenten met IAD en 16 sociaal-demografisch gematchte gezonde controles. Er werden voor het aantal valse ontdekkingen gecorrigeerde parametrische tests uitgevoerd om de statistische significantie van netwerktopologische verschillen op groepsniveau te evalueren. Daarnaast werd een correlatieanalyse uitgevoerd om de relaties tussen functionele connectiviteit en klinische metingen in de IAD-groep te beoordelen. Onze resultaten tonen aan dat er een significante verstoring is in het functionele connectoom van IAD-patiënten, vooral tussen regio's in de frontale, occipitale en pariëtale kwabben. De getroffen verbindingen zijn langeafstands- en interhemisferische verbindingen. Hoewel er significante veranderingen worden waargenomen voor regionale knooppuntstatistieken, is er geen verschil in de mondiale netwerktopologie tussen IAD en gezonde groepen. Bovendien toont correlatieanalyse aan dat de waargenomen regionale afwijkingen gecorreleerd zijn met de ernst van de IAD en klinische gedragsbeoordelingen. Onze bevindingen, die relatief consistent zijn tussen anatomisch en functioneel gedefinieerde atlassen, suggereren dat IAD verstoringen van de functionele connectiviteit veroorzaakt en, belangrijker nog, dat dergelijke verstoringen verband kunnen houden met gedragsstoornissen.
Figuren
Citation: Wee CY, Zhao Z, Yap PT, Wu G, Shi F, et al. (2014) Verstoorde hersenfunctioneel netwerk bij internetverslavingsstoornis: een functionele magnetische resonantiebeeldvormingsstudie in rusttoestand. PLoS EEN 9(9): e107306. doi:10.1371/journal.pone.0107306
Editor: Satoru Hayasaka, Wake Forest School of Medicine, Verenigde Staten van Amerika
ontvangen: Januari 20, 2014; Aanvaard: Augustus 11, 2014; Gepubliceerd: 16 september 2014
Copyright: © 2014 Wee et al. Dit is een open-accessartikel dat wordt verspreid onder de voorwaarden van de Creative Commons Attribution License, die onbeperkt gebruik, distributie en reproductie in elk medium mogelijk maakt, op voorwaarde dat de originele auteur en bron worden gecrediteerd.
financiering: Dit werk werd gedeeltelijk ondersteund door subsidies van de National Institutes of Health (NIH) EB006733, EB008374, EB009634, AG041721 en CA140413, evenals de National Natural Science Foundation of China (81171325) en het National Key Technology R&D Program 2007BAI17B03. De financiers speelden geen rol bij het ontwerp van het onderzoek, het verzamelen en analyseren van gegevens, de beslissing om te publiceren of de voorbereiding van het manuscript.
Concurrerende belangen: De auteurs hebben verklaard dat er geen concurrerende belangen bestaan.
Introductie
Er is gemeld dat overmatig gebruik van internet kan leiden tot veranderde sociaal-gedragskenmerken die vergelijkbaar zijn met die gevonden bij middelenverslavingen en pathologisch gokken. [1], [2]. Met het stijgende aantal internetgebruikers in de afgelopen decennia wordt dit probleem steeds meer als een ernstig probleem voor de volksgezondheid beschouwd [3]. Internetverslavingen, en computergerelateerde verslavingen in het algemeen, lijken een wijdverbreid fenomeen te zijn, dat miljoenen individuen in de Verenigde Staten en daarbuiten treft, waarbij de hoogste incidentiecijfers voorkomen onder adolescenten en studenten in ontwikkelingsgebieden van Azië. [3]-[7]. Het effect van overmatige blootstelling aan internet tijdens de jongvolwassenheid is van bijzonder klinisch en maatschappelijk belang, aangezien de adolescentie een periode is van significante veranderingen in de neurobiologie die verband houden met besluitvorming. [8] en vertoont daardoor een grotere vatbaarheid voor affectieve stoornissen en verslaving [9]-[11]. Sinds het baanbrekende werk van Young [2]heeft internetverslaving veel aandacht getrokken van sociologen, psychologen, psychiaters en docenten.
De klinische kenmerken van gedragsproblemen gerelateerd aan internetgebruik zijn beschreven aan de hand van verschillende diagnostische criteria, waaronder internetverslavingsstoornis (IAD) [12], pathologisch internetgebruik [13]en problematisch internetgebruik [14]. IAD is geclassificeerd als een stoornis in de impulsbeheersing, omdat het gepaard gaat met onaangepast internetgebruik zonder enige bedwelmende middelen, vergelijkbaar met pathologisch gokken. IAD vertoont vergelijkbare kenmerken van andere verslavingen, waaronder de ontwikkeling van academische, financiële en beroepsproblemen als gevolg van verslavend gedrag en problemen bij het ontwikkelen en onderhouden van persoonlijke en gezinsrelaties. Individuen die lijden aan IAD zullen meer tijd in eenzaamheid doorbrengen, wat op zijn beurt hun normale sociale functioneren beïnvloedt. In het ergste geval kunnen patiënten lichamelijk ongemak of medische problemen ervaren, zoals carpaaltunnelsyndroom, droge ogen, rugpijn, ernstige hoofdpijn, onregelmatig eten en een verstoorde slaap. [15], [16]. Bovendien zijn patiënten vaak resistent tegen de behandeling van IAD en hebben ze een hoog terugvalpercentage [17], en velen van hen lijden ook aan andere verslavingen, zoals verslaving aan drugs, alcohol, gokken of seks [18].
Terwijl IAD in de DSM-5 nog niet als een verslaving of psychische stoornis wordt beschouwd [19]Er zijn voldoende onderzoeken, voornamelijk gebaseerd op zelfgerapporteerde psychologische vragenlijsten, die negatieve gevolgen in het dagelijks leven aantonen in termen van gedragscomponenten, psychosociale factoren, symptoombeheersing, psychiatrische comorbiditeit, klinische diagnose en behandelingsresultaten [6], [20]-[23]. Naast deze op gedrag gebaseerde analyses zijn recentelijk neuroimaging-technieken toegepast om het effect van zwaar internetovergebruik op de structurele en functionele kenmerken van het menselijk brein te onderzoeken. [7], [24]-[29]. Functionele magnetische resonantie beeldvorming in rusttoestand (R-fMRI), een effectieve in vivo hulpmiddel voor het onderzoeken van neuronale activiteiten van de hersenen, is eerder gebruikt om mogelijke verstoringen van de hersenfunctionele kenmerken bij IAD te identificeren [24], [26], [27], [30]. in [27]onthulde regionale homogeniteitsanalyse (ReHo), die de consistentie van regionale laagfrequente fluctuaties (LFF) binnen hersennetwerken meet, verbeterde synchronisatie tussen hersenregio's gerelateerd aan beloningsroutes bij IAD-patiënten. Een soortgelijk onderzoek onder individuen met online gameverslaving (OGA) stelde voor om LFF met verhoogde amplitude te gebruiken in de linker mediale orbitofrontale cortex, die anatomische verbindingen heeft met verschillende regio's die verband houden met doelgerichte besluitvorming, als biomarker voor de ziekte [30]. Hong et al. gebruikte de netwerkgebaseerde statistiek (NBS) om groepsverschillen in interregionale functionele connectiviteit tussen IAD en controlegroepen te analyseren, en een wijdverbreide vermindering van functionele connectiviteit werd waargenomen in de IAD-groep met, met name, geen mondiale verstoring van de algehele netwerktopologie [26]. In een ander op functionele connectiviteit gebaseerd onderzoek werden veranderingen in de standaardnetwerkconnectiviteit onderzocht met behulp van de posterieure cingulaire cortex (PCC) als kiemgebied. [24]. De resultaten toonden een verhoogde functionele connectiviteit aan tussen de bilaterale achterkwab van het cerebellum en de middelste temporale gyrus, evenals een verminderde connectiviteit tussen de bilaterale inferieure pariëtale lob en de rechter inferieure temporale gyrus.
In het huidige onderzoek passen we een grafentheoretische benadering toe om IAD te analyseren op basis van R-fMRI-gegevens. We evalueren eerst de betekenis van de functionele connectiviteitsverstoring met behulp van parametrische tests met meervoudige vergelijkingscorrectie. Hierdoor kunnen we de omgeving volledig verkennen volledig patroon van functionele verbindingen in de hersenen en connectiviteitspatronen tussen grootschalige netwerken [31]. Ten tweede onderzoeken we mogelijke connectiviteitsverstoringen die verband houden met IAD in termen van mondiale netwerkeigenschappen, inclusief eigenschappen van kleine werelden (dwz clusteringscoëfficiënt en karakteristieke padlengte) en netwerkefficiëntie (dwz mondiale en lokale efficiëntie) over een kleine-wereldregime. Ten derde beoordelen we, met hetzelfde netwerksparsiteitsbereik, het functionele belang van een netwerk door rekening te houden met de relatie van een regio met het gehele functionele connectoom. [32] gebaseerd op de centrale maatregelen van elke ROI. Wij zijn gemotiveerd om netwerkcentraliteit te gebruiken beter lokaliseren de ontwrichte regio’s op een meer lokaal niveau. Tenslotte gaan we op verkenning relaties tussen netwerkstatistieken en zowel gedrags- als klinische scores van deelnemers. Het onderzoeken van het verband tussen netwerkeigenschappen en klinische resultaten vergroot onze kennis van verslavingspathologie en biedt essentieel inzicht voor de ontwikkeling van betrouwbaardere IAD-diagnosetechnieken.
Materialen en methoden
Deelnemers
Drieëndertig rechtshandige deelnemers, bestaande uit 17 adolescenten met IAD (15 mannen en 2 vrouwen) en 16 op geslacht, leeftijd en opleiding afgestemde gezonde controlepersonen (HC) (14 mannen en 2 vrouwen), namen deel aan dit onderzoek . De patiënten werden gerekruteerd bij de afdeling kinder- en jeugdpsychiatrie, het Shanghai Mental Health Center, de medische school van de Shanghai Jiao Tong Universiteit. De controlepersonen werden via advertenties uit de lokale gemeenschap gerekruteerd. Het onderzoek werd goedgekeurd door de Medical Research Ethics Committee en de Institutional Review Board van het Shanghai Mental Health Center in overeenstemming met de Verklaring van Helsinki, en er werd volledige schriftelijke geïnformeerde toestemming verkregen van de ouders/voogden van elke deelnemer.
De duur van IAD werd geschat via een retrospectieve diagnose. Alle proefpersonen werd gevraagd zich hun levensstijl te herinneren toen ze aanvankelijk verslaafd waren aan internet. Om hun internetverslaving te valideren, werden de patiënten opnieuw getest volgens de aangepaste Young's Diagnostic Questionnaire (YDQ) voor internetverslavingscriteria door Beard en Wolf [33], en de betrouwbaarheid van de zelfgerapporteerde IAD werd bevestigd door middel van interviews met hun ouders. De IAD-patiënten besteedden er tenminste aan uur per dag op internet of online gamen, en dagen per week. We hebben deze informatie geverifieerd bij de huisgenoten en klasgenoten van de patiënten dat zij er vaak op stonden 's avonds laat op internet te blijven, waardoor ondanks de gevolgen de levens van anderen werden ontwricht. Merk op dat alle patiënten minstens of langer dan 2 jaar verslaafd waren aan internet. Details van de gewijzigde YDQ voor internetverslavingscriteria zijn te vinden in Bestand S1.
Naar aanleiding van eerder IAD-onderzoek [34], alleen die HC's die minder dan 2 uur hebben doorgebracht (bestede uren = ) per dag op internet zijn in het huidige onderzoek meegenomen. De HC-groep heeft uitgegeven dagen per week op internet. De HC's werden ook getest met de gewijzigde YDQ-criteria om er zeker van te zijn dat ze niet aan IAD leden. Alle gerekruteerde deelnemers waren moedertaalsprekers van het Chinees en hadden nooit illegale middelen gebruikt. Merk op dat de gewijzigde YDQ voor het gemak van de deelnemers naar het Chinees is vertaald. Om de diagnoseresultaten verder te rechtvaardigen, is een andere diagnostische IAD-maatstaf, Young's Internet Addiction Scale (YIAS) [35], werd voor elke deelnemer uitgevoerd. De YIAS is een vragenlijst van 20 items, ontwikkeld door Dr. Kimberly Young om de mate van internetverslaving te beoordelen. Het categoriseert internetgebruikers in drie graden van ernst op basis van een scoreschema van 100 punten: milde online gebruiker ( punten), gematigde online gebruiker ( punten), en ernstige online gebruiker ( punten).
Naast de diagnose van IAD via de aangepaste YDQ en YIAS, werden de gedragsomstandigheden van IAD-patiënten ook beoordeeld met behulp van verschillende gedragsgerelateerde vragenlijsten: Barratt Impulsiveness Scale-11 (BIS-11) [36], Time Management Disposition Scale (TMDS) [37], Strengths and Difficulties Questionnaire (SDQ) [38]en McMaster Family Assessment Device (FAD) [39]. In het onderzoek zijn zowel de kind- als de ouderversie van de SDQ gebruikt. Details van deze vragenlijsten vindt u in de Bestand S1.
Voordat ze werden geïnterviewd voor de medische geschiedenis, ondergingen alle deelnemers een eenvoudig lichamelijk onderzoek (bloeddruk- en hartslagtests) om lichamelijke aandoeningen uit te sluiten die verband hielden met de bewegings-, spijsverterings-, zenuw-, ademhalings-, bloedsomloop-, endocriene, urineweg- en voortplantingssystemen. De uitsluitingscriteria omvatten: 1) een geschiedenis van comorbide psychiatrische en niet-psychiatrische stoornissen, zoals angststoornis, depressie, compulsiviteit, schizofrenie, autisme of bipolaire stoornis; 2) een geschiedenis van middelenmisbruik of afhankelijkheid; 3) een geschiedenis van lichamelijke aandoeningen die verband houden met de bewegings-, spijsverterings-, zenuw-, ademhalings-, bloedsomloop-, endocriene, urineweg- en voortplantingssystemen; en 4) zwangerschap of menstruatie bij vrouwen tijdens de dag van scannen. Deze uitsluitingsprocedure is belangrijk om ervoor te zorgen dat de deelnemers aan dit onderzoek niet worden beïnvloed door andere fysieke, neurologische of neuropsychiatrische stoornissen en vermindert daarom mogelijke vooroordelen in de verkregen bevindingen. Gedetailleerde demografische informatie en klinische scores worden gegeven in Tabel 1.
Tabel 1. Demografische informatie van de deelnemers die bij dit onderzoek betrokken waren.
doi: 10.1371 / journal.pone.0107306.t001
Data-acquisitie en voorbewerking
Gegevensverzameling werd uitgevoerd met behulp van een 3.0 Tesla-scanner (Philips Achieva). Functionele beelden in rusttoestand van elke deelnemer werden verkregen met echotijd (TE) = 30 ms en herhalingstijd (TR) = 2000 ms. De acquisitiematrix was 64×64 met een rechthoekig gezichtsveld van 230×230 mm2en een voxelresolutie van 3.59 x 3.59 x 4 mm3. De scan bevatte voor elke deelnemer 220 delen. Tijdens de data-acquisitie werd de deelnemers gevraagd rustig in de scanner te liggen met hun ogen gesloten. Hoewel er geen extra techniek of apparaat werd gebruikt om te meten of de proefpersonen daadwerkelijk hun ogen gesloten hielden, hebben de proefpersonen bevestigd dat zij zich hiervan bewust waren en hun ogen gesloten hielden tijdens de scan.
De voorverwerking van gegevens werd uitgevoerd met behulp van een standaardpijplijn in twee R-fMRI-verwerkingstoolboxen, DPARSF [40] en rust [41]. Voorafgaand aan enige voorverwerking werden de eerste 10 R-fMRI-volumes van elke proefpersoon weggegooid om een magnetisatie-evenwicht te bereiken. R-fMRI-volumes werden genormaliseerd naar de MNI-ruimte met een resolutie van 3 x 3 x 3 mm3. Regressie van hinderlijke signalen, waaronder ventrikel-, witte stof- en globale signalen, werd uitgevoerd. Geen van de deelnemers werd uitgesloten op basis van het criterium van een verplaatsing van meer dan 3 mm of een hoekrotatie van meer dan 3 graden in welke richting dan ook. Om de effecten van hoofdbewegingen verder te minimaliseren, hebben we Friston 24-parametercorrectie gebruikt, evenals voxel-specifieke gemiddelde framegewijze verplaatsing (FD) [42] met FD-drempel van 0.5. Voorafgaand aan de schatting van de functionele connectiviteit werd de gemiddelde R-fMRI-tijdreeks van elke ROI banddoorlaatgefilterd ( Hz).
Netwerkconstructie en analyse van individuele verbindingen
In deze studie werd grafiektheoretische analyse toegepast om functionele veranderingen van het hersenconnectoom veroorzaakt door IAD bij een groep Chinese adolescenten te onderzoeken. Functionele hersennetwerken werden geconstrueerd op macroschaalniveau waarbij knooppunten de vooraf gedefinieerde hersengebieden vertegenwoordigen en randen interregionale functionele rusttoestand-connectiviteit (RSFC) vertegenwoordigen. Om netwerkknooppunten te definiëren, hebben we de hersenen in stukjes verdeeld Regions of Interest (ROI's) door de fMRI-beelden te vervormen naar de Automated Anatomical Labeling (AAL)-atlas [43]. Regio's gebaseerd op de AAL-atlas worden vermeld in Tabel S1 in Bestand S1. De representatieve tijdreeksen van elke ROI werden vervolgens verkregen door het middelen van de geregressieve tijdreeksen over alle voxels in elke individuele ROI. Om interregionale RSFC te meten, hebben we de paarsgewijze Pearson-correlatie berekend voor alle mogelijke (() = 4005) ROI paren en construeerden een symmetrische connectiviteitsmatrix om deze verbindingen weer te geven. We analyseerden de verschillen op groepsniveau tussen elk paar ROI's in termen van verbindingssterkte. Significante verschillen voor elke functionele verbinding werden beoordeeld met behulp van massa-univariate (tweezijdige) -test met een drempel van en correctie van het valse ontdekkingspercentage (FDR).
Analyse van netwerkstatistieken en kenmerken
De op Pearson-correlatie gebaseerde functionele connectiviteitsmatrix is nauw met elkaar verbonden, met veel valse elementen met een lage sterkte. Om menselijke hersennetwerken, die eigenschappen van kleine werelden vertonen, beter te kunnen modelleren, werd de functionele connectiviteitsmatrix van elk individu verder verwerkt om een spaarzaamheidsbereik te verkrijgen dat binnen het regime van de kleine wereld valt.) [44]-[48]. Dit regime zorgt voor relatief consistente kenmerken van de kleine wereld voor hersennetwerken van 90 ROI's [44]. Concreet werd de Pearson-correlatiematrix van elk onderwerp omgezet in gebinariseerde aangrenzende matrices, , volgens de vooraf gedefinieerde schaarsheid, waar alles worden aanvankelijk op één ingesteld, en vervolgens worden de elementen die overeenkomen met de laagste correlatiewaarden herhaaldelijk op nul gezet totdat een bepaald niveau van spaarzaamheid is bereikt. Op basis van deze netwerken hebben we zowel mondiale als regionale netwerkmetrieken gebruikt om de algehele architectuur en regionale knooppuntcentraliteit van de hersennetwerken te analyseren voor vergelijking op groepsniveau. De gebruikte globale metrieken omvatten parameters uit de kleine wereld, namelijk de clusteringscoëfficiënt () en karakteristieke padlengte () [49], [50], evenals de mondiale netwerkefficiëntie () en lokale netwerkefficiëntie (). Daarnaast hebben we genormaliseerde versies van deze metingen berekend met behulp van willekeurige netwerken ( en ) om het eigendom van de geconstrueerde hersennetwerken in de kleine wereld te garanderen. We definiëren een netwerk als een kleine wereld als het aan de volgende drie criteria voldoet: , , en de kleine-wereldverhouding, . Drie knooppuntcentraliteitsstatistieken – graad (), efficiëntie (), en tussen () – van elke hersenregio werden berekend om de lokale kenmerken van het functionele netwerk te onderzoeken [44], [46].
Om de verschillen tussen groepen statistisch te onderzoeken, hebben we tweezijdige, twee steekproeven uitgevoerd -test met een drempel van (FDR gecorrigeerd) op elke netwerkmetriek (mondiaal en regionaal) op basis van de area under curve (AUC) van elke netwerkmetriek opgebouwd uit het kleine-wereldregime [48]. AUC biedt een samenvatting van de topologische kenmerken van hersennetwerken over het hele regime van de kleine wereld, in plaats van de topologie alleen op een enkele schaarsheidsdrempel te beschouwen [44], [51]. Specifiek hebben we voor elke netwerkmetriek eerst de AUC-waarde van elk individueel onderwerp berekend over netwerken met verschillende niveaus van sparsity en vervolgens twee steekproeven uitgevoerd -tests om elk verschil op groepsniveau tussen IAD en gezonde groepen statistisch te kwantificeren. Het is opmerkelijk dat we vóór de statistische tests meerdere lineaire regressies hebben toegepast om de effecten van leeftijd, geslacht en opleiding, evenals hun interacties, te verwijderen [31], [52]-[54].
Betrouwbaarheid en herhaalbaarheid met behulp van functionele atlas
In de huidige studie werden functionele connectiviteitsnetwerken op regionaal niveau geconstrueerd door het hele brein in 90 ROI's te verdelen, gebaseerd op de AAL-atlas. Er is echter ook gemeld dat hersennetwerken die zijn afgeleid van verschillende verkavelingsschema's of die verschillende ruimtelijke schalen gebruiken, verschillende topologische architecturen kunnen vertonen. [55]-[57]. Om de betrouwbaarheid en herhaalbaarheid van onze resultaten te evalueren, herhaalden we de experimenten met behulp van de functionele atlas van Dosenbach [58], dat het menselijk brein verdeelt in 160 ROI's, inclusief het cerebellum. In deze atlas wordt elke ROI gedefinieerd als een vierkant met een diameter van 10 mm dat een geselecteerd beginpunt omringt, en de afstand tussen alle ROI-centra is minimaal 10 mm zonder ruimtelijke overlap, wat betekent dat sommige hersengebieden niet worden gedekt door de set ROI's.
Relaties tussen netwerkstatistieken en gedragsscores
Voor die regio's (gebaseerd op de AAL-atlas) die significante verschillen op groepsniveau vertonen in regionale knooppuntcentraliteit, hebben we paarsgewijze Pearson-correlatie gebruikt (, FDR gecorrigeerd) om de relaties tussen de netwerkeigenschappen van elke regio en de gedragsscores van een individu te analyseren. In het bijzonder werden in de correlatieanalyse netwerkmetrieken behandeld als de afhankelijke variabelen, terwijl gedragsscores, dwz BIS-11, TMDS, SDQ en FAD, werden behandeld als de onafhankelijke variabelen. Om de relatie tussen de getroffen hersengebieden en de ernst van de ziekte verder te begrijpen, hebben we ook de Pearson-correlatiecoëfficiënt tussen netwerkkenmerken en YIAS-scores berekend.
Resultaten
Demografische en klinische kenmerken
Er is geen significant verschil in termen van leeftijd, geslacht en opleidingsjaren (allemaal met ) tussen de IAD- en HC-groepen. Er zijn echter aanzienlijke verschillen in internetgebruik in termen van dagen per week () en uren per dag (). Hoewel er geen significant verschil is tussen de groepen voor de BIS-11- en TMDS-scores (allemaal met ), de SDQ-P (), SDQ-C (), en FAD () scores zijn aanzienlijk hoger in de IAD-groep, zoals blijkt uit Tabel 1 en Figuur 1. Met name de YIAS (), de klinische maatstaf die wordt gebruikt om IAD te classificeren, vertoont het grootste verschil op groepsniveau.
Figuur 1. Verschillen tussen groepen in termen van klinische en gedragsmatige maatregelen.
(YIAS = Young's Internet Addiction Scale, BIS-11 = Barratt Impulsiveness Scale-11, TMDS = Time Management Disposition Scale, SDQ-P = Strengths and Difficulties Questionnaire ouderversie, SDQ-C = Strengths and Difficulties Questionnaire kinderversie, FAD = McMaster Apparaat voor gezinsbeoordeling).
doi: 10.1371 / journal.pone.0107306.g001
Individuele functionele connectiviteit
Vergeleken met de HC-groep ondervonden slechts drie functionele verbindingen significante veranderingen na FDR-correctie. Twee interhemisferische verbindingen, één tussen de linker hoekgyrus (pariëtale kwab) en de rechter middelste orbitofrontale cortex (frontale kwab) en een andere tussen de linker spoelvormige gyrus (occipitale kwab) en de rechter hoekgyrus (pariëtale kwab), vertonen een verhoogde connectiviteitssterkte in IAD-patiënten. Eén intrahemisferische verbinding, tussen de rechter caudate (subcorticale cortex) en de rechter supramarginale gyrus (pariëtale kwab), vertoont verminderde connectiviteit in de ziektegroep. Deze aanzienlijk gewijzigde functionele verbindingen worden geïllustreerd in Figuur 2. Rode en blauwe kleurverbindingen duiden respectievelijk de verhoogde en verminderde functionele connectiviteiten in de IAD-groep aan. Merk op dat de meeste getroffen functionele verbindingen betrekking hebben op regio's in de rechter hersenhelft en de pariëtale kwab.
Figuur 2. Significant veranderde functionele verbindingen bij IAD-patiënten (FDR-gecorrigeerd).
Rood: verhoogde functionele connectiviteit, Blauw: verminderde functionele connectiviteit. (FRO: frontaal, INS: insula, TEM: temporaal, PAR: pariëtaal, OCC: occipitaal, LIM: limbisch, SBC: subcorticaal). Deze visualisatie is gemaakt met behulp van het BrainNet Viewer-pakket (http://www.nitrc.org/projects/bnv) en de Circo's (http://circos.ca/).
doi: 10.1371 / journal.pone.0107306.g002
Globale kenmerken van de functionele netwerken
We hebben de topologische eigenschappen van intrinsiek functionele hersennetwerken onderzocht door hun gedrag in de kleine wereld te vergelijken met vergelijkbare willekeurige netwerken over meerdere netwerksparsiteitsniveaus. . In het bijzonder hebben we kleine-wereldparameters onderzocht (bijv. clusteringscoëfficiënt, karakteristieke padlengte en kleine-wereldverhouding, ), evenals de mondiale en lokale efficiëntieverbeteringen. Willekeurige netwerken die in het onderzoek werden gebruikt, behielden het aantal knooppunten en randen, evenals de graadverdelingen van echte hersennetwerken in kwestie door de herbedradingstechniek beschreven in [59]. Statistische analyses met behulp van twee steekproeven -tests (, FDR gecorrigeerd) op AUC-waarden over het kleine-wereldregime toonde geen significant verschil aan tussen de IAD- en HC-groepen in termen van mondiale netwerkeigenschappen.
Regionale knooppuntkenmerken van functionele netwerken
Ondanks de gemeenschappelijke topologie van de kleine wereld, werden er significante verschillen op groepsniveau waargenomen in de regionale knooppuntcentraliteit. In deze studie beschouwen we een hersenregio als significant veranderd in de IAD-groep als ten minste één van de drie regionale knooppuntstatistieken een -waarde kleiner dan 0.05 (FDR gecorrigeerd) op basis van de AUC-waarden. Tabel 2 vat de regio's samen die significant veranderd zijn bij IAD-patiënten. Vergeleken met de HC-groep vertoonden IAD-patiënten veranderingen in de centrale ligging van de knooppunten, voornamelijk gelokaliseerd in de linker inferieure pariëtale lob (IPL), de linker thalamus (THA) en andere regio's zoals het limbisch systeem, met name de rechter anterieure cingulaire gyrus (ACG) en de rechter gyrus cingularis rechts (ACG). middelste cingulaire gyrus (MCG). Met name zijn de IPL en ACG componenten van het standaardmodusnetwerk (DMN), dat eerder in verband werd gebracht met veranderde connectiviteit bij middelenverslaving [60]-[62].
Tabel 2. Regio's die abnormale knooppuntencentraliteiten vertonen bij de IAD-patiënten vergeleken met gezonde controles (HC) op basis van de AAL-atlas.
doi: 10.1371 / journal.pone.0107306.t002
Betrouwbaarheid en herhaalbaarheid met behulp van functionele atlas
Wanneer de Dosenbach-atlas wordt gebruikt om ROI's te definiëren, worden significante groepsverschillen waargenomen, voornamelijk in frontale en pariëtale verbindingen met het cerebellum. Deze bevindingen zijn samengevat in Tabel 3. Hoewel deze verbindingen verschillen van de verbindingen die op basis van de AAL-atlas zijn geïdentificeerd, zijn bij de meeste verstoorde verbindingen dezelfde hersenkwabben betrokken, met uitzondering van de regio's van het cerebellum. In termen van mondiale netwerkstatistieken hebben we geen verschil gevonden tussen IAD- en HC-groepen, vergelijkbaar met de resultaten op basis van de AAL-atlas. Voor lokale netwerkstatistieken hebben we vastgesteld dat sommige van de geïdentificeerde regio's zich ruimtelijk dichtbij de regio's bevinden die zijn geïdentificeerd op basis van de AAL-atlas, zoals de ACG en THA zoals gegeven in Tabel 4.
Tabel 3. Functionele verbindingen bij de IAD-individuen die significante veranderingen ondervonden op basis van de Dosenbach-atlas.
doi: 10.1371 / journal.pone.0107306.t003
Tabel 4. Regio's die abnormale knooppuntencentraliteiten vertonen bij IAD-patiënten vergeleken met gezonde controles (HC) op basis van de Dosenbach-atlas.
doi: 10.1371 / journal.pone.0107306.t004
Relaties tussen netwerkstatistieken en gedragsmetingen
Er is geen noemenswaardige (, FDR gecorrigeerd) correlatie tussen mondiale netwerkstatistieken (, , en ) en gedrags- en klinische scores. De regionale knooppuntstatistieken van verschillende regio’s zijn echter aanzienlijk (, FDR gecorrigeerd) gecorreleerd met gedrags- en klinische scores. De juiste ACG is positief gecorreleerd met de YIAS-score. De juiste MCG is positief gecorreleerd met de YIAS-score. De linker THA is positief gecorreleerd met de YIAS- en SDQ-P-scores. De linker IPL is echter niet significant gecorreleerd met een gedrags- of klinische score. De hersengebieden die significant gecorreleerd zijn met de gedrags- en klinische scores worden weergegeven in Figuur 3.
Figuur 3. De hersengebieden die significant gecorreleerd zijn met gedrags- en klinische scores in de IAD-groep (FDR-gecorrigeerd).
Deze illustratie is gemaakt met het BrainNet Viewer-pakket (http://www.nitrc.org/projects/bnv). (YIAS = Young's Internet Addiction Score, BIS-11 = Barratt Impulsiveness Scale-11, TMDS = Time Management Disposition Scale, SDQ-P = Ouderversie van de vragenlijst voor sterke en moeilijke punten, SDQ-C = Kinderversie van de vragenlijst voor sterke en moeilijke punten.).
doi: 10.1371 / journal.pone.0107306.g003
Discussie
Wijzigingen van individuele functionele connectiviteit
Inzicht in het mechanisme van de ontwikkeling van het menselijk brein is belangrijk voor een beter begrip van de pathologische onderbouwing van aandoeningen bij kinderen en adolescenten, wat kan leiden tot een mogelijke vroege behandeling. Op basis van de grafentheoretische analyse van R-fMRI-gegevens is gesuggereerd dat de functionele organisatie van het menselijk brein volwassener wordt en evolueert van de kindertijd naar de adolescentie naar de volwassenheid door een unieke trend te volgen: grotere functionele segregatie bij kinderen en grotere functionele integratie bij volwassenen op latere leeftijd. het niveau van het hele brein [63]-[66]. In het bijzonder verschuift de organisatie van functionele hersennetwerken van lokale connectiviteit naar een meer gedistribueerde architectuur met ontwikkeling [63], [66], waar volwassenen doorgaans zwakkere functionele connectiviteit op korte afstand en sterkere functionele connectiviteit op lange afstand hebben dan kinderen [65].
Onze bevindingen tonen aan dat de verstoorde verbindingen die bij IAD worden waargenomen, hoewel slechts een handvol na FDR-correctie, langeafstands- en interhemisferische functionele verbindingen zijn die belangrijk zijn voor langeafstandscommunicatie in het menselijk brein. De verstoring van langeafstands- en interhemisferische verbindingen is een veel voorkomend symptoom bij veel gedragsafwijkingen, waaronder autisme [67]-[70], schizofrenie [71], opioïdeverslaving [72], [73]en cocaïneverslaving [74]. Een verstoring van langeafstandsverbindingen kan worden gezien als een mislukking van het integratieproces binnen een gedistribueerd functioneel netwerk van het menselijk brein [63], [64], [75], een afwijking van het normale neurologische ontwikkelingstraject. Daarom speculeren we dat de abnormale ontwikkeling van langeafstands- en interhemisferische connectiviteit bij IAD-adolescenten, waargenomen in deze studie, een van de mogelijke redenen is voor hun verslavende gedrag.
Wijzigingen in wereldwijde netwerkeigenschappen
Het menselijk brein wordt beschouwd als een complex en groot, onderling verbonden dynamisch systeem met verschillende belangrijke topologische eigenschappen, zoals kleinschaligheid, hoge efficiëntie tegen lage bedradingskosten en sterk verbonden hubs. [46], [76]-[79]. In een kleinwereldnetwerk zijn knooppunten lokaal geclusterd ten gunste van modulaire informatieverwerking en op afstand verbonden via een klein aantal langeafstandsverbindingen voor efficiënte algehele routering [50]. Zowel de IAD- als de HC-groep vertoonden eigenschappen van kleine werelden, dat wil zeggen hoge clusteringcoëfficiënten () en vergelijkbare karakteristieke padlengtes (), vergeleken met vergelijkbare willekeurige netwerken. We hebben echter consistent grotere genormaliseerde clusteringcoëfficiënten en vergelijkbare genormaliseerde karakteristieke padlengte waargenomen in de IAD-groep vergeleken met de HC-groep over de verbindingsdichtheid, in lijn met eerdere R-fMRI-onderzoeken [26]. Een grotere clusteringscoëfficiënt weerspiegelt een verstoorde neuronale integratie tussen verre regio's, die relatief schaarse langeafstands- en relatief dichte korteafstandsfunctionele verbindingen vertonen in IAD- en HC-groepen. De progressie van klinische stadia, van mild tot ernstig, kan leiden tot meer verslechtering of verbreking van langeafstandsverbindingen, en dus mogelijk het tot stand brengen van korteafstandsverbindingen binnen clusters aanmoedigen als alternatieve routes om de informatieoverdracht tussen twee afgelegen regio's te behouden. Het tot stand brengen van korteafstandsverbindingen kan echter abnormale clusters introduceren, waardoor het risico groter wordt dat er een ongecontroleerde of willekeurige informatiestroom door het hele netwerk ontstaat. Aan de andere kant vertoonden alle hersennetwerken vergelijkbare parallelle informatieverwerking van mondiale en lokale efficiëntie vergeleken met vergelijkbare willekeurige netwerken [80]. Deze bevindingen ondersteunen het concept van een kleinwereldmodel van het menselijk brein dat een evenwichtige combinatie biedt van lokale specialisatie en mondiale integratie [81]. Onze observatie dat er geen significant verschil is tussen IAD- en HC-groepen in termen van mondiale netwerkeigenschappen kan impliceren dat de veranderingen in de functionele netwerkstructuur in IAD subtiel zijn. Bijgevolg zou verder onderzoek naar regiospecifieke IAD-biomarkers belangrijke informatie kunnen onthullen over de pathologie van de ziekte en over verslaving in het algemeen.
Regionale knooppuntkenmerken van functionele netwerken
De IAD-gerelateerde veranderingen van de knooppuntcentraliteit worden voornamelijk aangetroffen in componenten van het limbisch systeem, waaronder ACG en MCG, IPL en THA. Verstoringen van deze regio's, evenals hun gerelateerde verbindingsroutes, kunnen worden geïnterpreteerd als een weerspiegeling van de verminderde efficiëntie van informatieverwerking, mogelijk als weerspiegeling van functionele verstoringen in IAD.
De cingulaire gyrus (CG), een integraal onderdeel van het limbisch systeem, is betrokken bij de vorming en verwerking van emoties, leren en geheugen, de uitvoerende functie en de controle van de ademhaling [82]. Het ontvangt input van de THA en de neocortex en projecteert via het cingulum naar de entorhinale cortex. Deze route richt zich op emotioneel belangrijke gebeurtenissen en reguleert agressief gedrag [29]. Verstoring van functies die verband houden met het CG kan het vermogen van een individu om zijn of haar gedrag te monitoren en te controleren, aantasten, vooral gedrag dat verband houdt met emoties. [83]. De meeste substantie- en gedragsverslavingsanalyses hebben significante veranderingen aangetoond in de voorste en achterste delen van het CG (ACG en PCG), inclusief alcoholverslaving [84], pathologisch gokken [85]en IAD [27], [29]. Bij cocaïneverslaafden zijn ook soortgelijke, aanvullende veranderingen in de MCG gemeld [86]. In eerdere fMRI-onderzoeken is ook aangetoond dat het voorste, middelste en achterste zwaartepunt allemaal worden beïnvloed bij belonings- en strafomstandigheden [87]. Vanwege de rol van de MCG bij het verwerken van positieve en negatieve emoties is het niet verrassend dat de regio een aanzienlijke verstoring van de connectiviteit vertoont bij IAD-patiënten.
De THA is een schakelbord voor herseninformatie en is betrokken bij veel hersenfuncties, waaronder de verwerking van beloningen [88], doelgericht gedrag en cognitieve en motorische functies [89]. Het geeft sensorische en motorische signalen door van subcorticale gebieden naar de hersenschors [90]. Via de THA ontvangt de orbitofrontale cortex directe en indirecte projecties van andere limbische hersengebieden die betrokken zijn bij medicijnversterking, zoals de amygdala, CG en hippocampus [91], om belonings- en strafgerelateerd gedrag te controleren en te corrigeren [92]. Abnormale thalamo-corticale circuits gevonden bij online gameverslaafden [93] kan duiden op een verslechtering van het THA-functioneren gerelateerd aan chronische patronen van slechte slaapkwaliteit [94] en een overweldigende aandachtsfocus op de computer. Bovendien is de THA functioneel verbonden met de hippocampus [95] als onderdeel van het uitgebreide hippocampale systeem, dat cruciaal is voor cognitieve functies zoals ruimtelijke navigatie en de consolidatie van informatie van kortetermijngeheugen naar langetermijngeheugen [96], [97].
We hebben significante veranderingen in de knooppuntencentraliteiten in de IPL waargenomen, in lijn met de resultaten gerapporteerd in recente, op R-fMRI gebaseerde IAD-onderzoeken [24], [93]. Net als de THA is de IPL in grote mate verbonden met de auditieve, visuele en somatosensorische cortex, en kan hij verschillende soorten stimuli tegelijkertijd verwerken. Als een van de laatst ontwikkelde structuren van het menselijk brein in de loop van de ontwikkeling, kan de IPL kwetsbaarder zijn voor de overmatige blootstelling aan auditieve en visuele stimuli, vooral tijdens de kindertijd. IPL-stoornissen veroorzaakt door overmatig internetgebruik kunnen het vermogen van een individu onderdrukken om op de juiste manier te bemiddelen in responsremming van impulsregulatie [98], [99]Dit schaadt hun vermogen om weerstand te bieden aan cue-geïnduceerde internetverlangens, wat de IPL verder kan aantasten. Dergelijke cirkelvormige patronen worden vaak gezien bij middelen- en gedragsverslaafden.
Regio's van het DMN zijn in rust doorgaans actiever dan bij het uitvoeren van doelgerichte taken [62]. Deze regio's waarvan bekend is dat ze betrokken zijn bij emotionele modulatie en zelfreferentiële activiteiten, waaronder het evalueren van de saillantie van interne en externe signalen, het herinneren van het verleden en het plannen van de toekomst [60], [62], wat de belangrijke criteria zijn bij de diagnose IAD. Er is eerder gesuggereerd dat veranderde connectiviteit waarbij de DMN-regio's betrokken zijn, bijdraagt aan verschillende symptomatische gedragingen bij ziekten [100], inclusief middelenverslavingen [101], [102] en gedragsverslavingen [24], [103]. Onze bevindingen van veranderde functionele connectiviteit waarbij verschillende DMN-gebieden betrokken zijn, komen gedeeltelijk overeen met de eerdere waarnemingen, wat suggereert dat het DMN het potentieel heeft om als biomarker te dienen voor het identificeren van IAD-patiënten.
Betrouwbaarheid en herhaalbaarheid met behulp van functionele atlas
Sommige van de abnormale hersengebieden die op basis van de AAL-atlas zijn geïdentificeerd, zijn ook geïdentificeerd met behulp van de functionele atlas, wat de betrouwbaarheid en herhaalbaarheid van onze resultaten ondersteunt. Een mogelijke reden voor de enigszins verschillende resultaten is het regime van gebruikt in deze studie. De kleine-wereldkarakteristieken van connectiviteitsnetwerken die zijn opgebouwd op basis van de AAL-atlas van 90 ROI's zijn binnen dit bereik het meest consistent [44]. Dit spaarzaamheidsbereik is echter mogelijk niet optimaal voor atlassen met verschillende aantallen ROI's. Bovendien zijn de ROI's verkregen uit de Dosenbach-atlas functioneel gedefinieerd en bestrijken ze niet het hele brein [58]. In deze atlas worden eerst de centra van alle 160 ROI's geïdentificeerd en wordt vanuit elk centrum een bol met een straal van 5 mm gegroeid, waardoor een bolvormige ROI van 10 mm ontstaat. Het midden van elke ROI is ook ingesteld op een afstand van ten minste 10 mm van de middelpunten van andere ROI's, wat leidt tot een ruimtelijk niet-overlappende atlas. Aan de andere kant bedekt de AAL-atlas het grijze stofweefsel van de hele grote hersenen. Deze verschillen in de ROI-definitie en het totale bestreken gebied kunnen bijdragen aan de variaties in de resultaten. Daarom is verder onderzoek met een groter cohort noodzakelijk om te bepalen in hoeverre de keuze van het hersenpakket de karakterisering van de netwerktopologie beïnvloedt.
Correlatie tussen netwerkstatistieken en gedragsmetingen
In deze studie hebben we geen enkele correlatie waargenomen tussen mondiale netwerkstatistieken en gedragsmetingen, wat impliceert dat er geen veranderingen zijn in de netwerktopologie van het hele brein. Deze bevinding kan er ook op wijzen dat de variaties in het hersennetwerk subtiel zijn als gevolg van de plasticiteit van het menselijk brein (neuroplasticiteit). [104], [105] bij het herstellen van de meeste van zijn dagelijkse functies via alternatieve routes (neurale circuits). Plasticiteit van de hersenen omvat de reorganisatie van verbindingen tussen zenuwcellen of neuronen en kan door een groot aantal factoren worden beïnvloed [106]-[108]. Het gebeurt op een leeftijdsgebonden manier en komt vaker voor tijdens de kindertijd en adolescentie dan tijdens de volwassenheid, wat duidt op een beter herstel van verstoorde neuronale verbindingen bij adolescenten met IAD. Bovendien is aangetoond dat een verscheidenheid aan gedragscondities, variërend van verslaving tot neurologische en psychiatrische stoornissen, gecorreleerd zijn met gelokaliseerde veranderingen in neurale circuits. [106]. Het is dus niet verrassend dat globale netwerkmetingen op grof niveau, zoals de gemiddelde clusteringcoëfficiënt, karakteristieke padlengte en netwerkefficiëntie, minder gevoelig zijn bij het detecteren van veranderingen in het hersencircuit in de IAD-groep.
Regionale knooppuntstatistieken van verschillende hersengebieden zijn echter gecorreleerd met enkele gedragsmetingen. Met name de ouderversie van SDQ (SDQ-P), die zowel het vermogen van een individu meet om op de juiste manier om te gaan met impulsiviteit als de ernst van emotionele en prosociale gedragsproblemen op basis van de informatie verstrekt door de ouders van de onderzochte adolescenten, is positief. gecorreleerd met de functioneel aangetaste hersengebieden gevonden in IAD. Het onvermogen om impulsief gedrag en emoties te beheersen is een van de belangrijkste gedragssymptomen. Het komt vaak voor dat patiënten zich niet bewust zijn van de veranderingen in hun emoties en gedrag, hoewel deze veranderingen relatief duidelijk zijn voor de mensen om hen heen. Dit kan de belangrijkste reden zijn waarom geen van de netwerkmetingen gecorreleerd is met de kinderversie van SDQ (SDQ-C), vanwege het zelfevaluatiekarakter ervan. Aan de andere kant is er geen significante correlatie tussen regionale netwerkmaatregelen en andere gedragsmetingen, waaronder BIS-11, FAD en TMDS. Deze bevinding wordt ondersteund door de grote -waarden voor deze metingen tussen de IAD- en gezonde groepen (Tabel 1). Deze bevindingen kunnen erop wijzen dat sommige van deze gedragsmaatregelen nuttig zijn om de getroffen regio’s te bepalen en daarmee de IAD-diagnose te helpen, hoewel er nog steeds een aanzienlijke hoeveelheid werk nodig is om de rol van deze maatregelen bij gedragsverslavingen of -stoornissen beter te begrijpen.
Methodologische problemen/beperkingen
Er zijn verschillende beperkingen die in dit onderzoek benadrukt moeten worden. Ten eerste was de diagnose IAD voornamelijk gebaseerd op resultaten van zelfgerapporteerde vragenlijsten, wat de betrouwbaarheid van diagnoses zou kunnen beïnvloeden. In de toekomst moeten gestandaardiseerde diagnostische hulpmiddelen voor IAD-identificatie worden ontwikkeld om de betrouwbaarheid en validiteit van IAD-diagnoses te verbeteren. Ten tweede wordt ons onderzoek beperkt door de kleine steekproefomvang en de onevenwichtigheid van het geslacht van de deelnemers (31 mannen en 4 vrouwen), wat de statistische kracht en generaliseerbaarheid van de bevindingen zou kunnen verminderen, hoewel deze factoren in de analyse zijn gecontroleerd. Het effect van geslacht op de prevalentie van IAD is nog steeds een onderwerp van discussie. Gebaseerd op de bevindingen van Young [35], vertoont een groot aantal vrouwen internetafhankelijkheid. Een recent onderzoek meldde daarentegen dat mannen een hoger risico op IAD-gedrag vertonen [109]. Er is echter ook gemeld dat er geen verband bestaat tussen geslacht en IAD [110], [111]. Toekomstige experimenten met een groter cohort met een meer evenwichtige geslachtsverhouding zijn nodig om de relatie tussen geslacht en IAD-gevoeligheid beter te beoordelen.
ondersteunende informatie
Aanvullende materialen.
doi: 10.1371 / journal.pone.0107306.s001
(PDF)
Dankwoord
Dit werk werd gedeeltelijk ondersteund door subsidies van de National Institutes of Health (NIH) EB006733, EB008374, EB009634, AG041721 en CA140413, evenals de National Natural Science Foundation of China (81171325) en het National Key Technology R&D Program 2007BAI17B03.
Bijdragen van auteurs
Bedacht en ontworpen de experimenten: CYW ZZ PTY GW FS TP YD JX YZ DS. Voerde de experimenten uit: CYW ZZ YD JX YZ DS. Analyseerde de gegevens: CYW PTY DS. Bijgedragen reagentia/materialen/analysehulpmiddelen: ZZ YD JX YZ. Schreef de krant: CYW PTY TP DS.
Referenties
- 1. Ng BD, Wiemer-Hastings P (2005) Verslaving aan internet en online gamen. Cyberpsychol-gedrag 8: 110–113. doi: 10.1089/cpb.2005.8.110
- 2. Young KS (1998) Internetverslaving: de opkomst van een nieuwe klinische stoornis. Cyberpsychol-gedrag 1: 237–244. doi: 10.1089/cpb.1998.1.237
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- 3. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) De associatie tussen internetverslaving en psychiatrische stoornis: een literatuuroverzicht. Eur Psychiatrie 27: 1–8. doi: 10.1016/j.eurpsy.2010.04.011
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- 4. Block J (2006) Prevalentie onderschat in onderzoek naar problematisch internetgebruik. CZS Spectr. 12: 14–15.
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- 5. Fitzpatrick JJ (2008) Internetverslaving: herkenning en interventies. Boogneurol 22: 59–60. doi: 10.1016/j.apnu.2007.12.001
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- 6. Cao F, Su L, Liu T, Gao X (2007) De relatie tussen impulsiviteit en internetverslaving in een steekproef van Chinese adolescenten. Eur Psychiatrie 22: 466–471. doi: 10.1016/j.eurpsy.2007.05.004
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- 7. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Microstructuurafwijkingen bij adolescenten met een internetverslavingsstoornis. PLoS EEN 6: e20708. doi: 10.1371/journal.pone.0020708
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- Bekijk artikel
- PubMed / NCBI
- Google Scholar
- 8. Ernst M, Pine DS, Hardin M (2006) Triadisch model van de neurobiologie van gemotiveerd gedrag in de adolescentie. Psychol Med 36: 299–312. doi: 10.1017/s0033291705005891
- 9. Pine DS, Cohen P, Brook JS (2001) Emotionele reactiviteit en risico op psychopathologie bij adolescenten. CZS Spectr. 6: 27–35.
- 10. Silveri MM, Tzilos GK, Pimentel PJ, Yurgelun-Todd DA (2004) Trajecten van emotionele en cognitieve ontwikkeling bij adolescenten: effecten van seks en risico op drugsgebruik. Ann NY Acad Sci 1021: 363–370. doi: 10.1196/annals.1308.046
- 11. Steinberg L (2005) Cognitieve en affectieve ontwikkeling in de adolescentie. Trends Cogn Sci 9: 69–74. doi: 10.1016/j.tics.2004.12.005
- 12. Ko CH, Yen JY, Chen CC, Chen SH, Yen CF (2005) Voorgestelde diagnostische criteria van internetverslaving voor adolescenten. J Nervement Dis 193: 728–733. doi: 10.1097/01.nmd.0000185891.13719.54
- 13. Yoo HJ, Cho SC, Ha J, Yune SK, Kim SJ, et al. (2004) Symptomen van aandachtstekorthyperactiviteit en internetverslaving. Psychiatrie Clin Neurosci 58: 487–494. doi: 10.1111/j.1440-1819.2004.01290.x
- 14. Shapira NA, Lessig MC, Goldsmith TD, Szabo ST, Lazoritz M, et al. (2003) Problematisch internetgebruik: voorgestelde classificatie en diagnostische criteria. Depressie van angst 17: 207–216. doi: 10.1002/da.10094
- 15. Beard KW (2005) Internetverslaving: een overzicht van de huidige beoordelingstechnieken en mogelijke beoordelingsvragen. Cyberpsychol-gedrag 8: 7–14. doi: 10.1089/cpb.2005.8.7
- 16. Young K (1999) Innovations in Clinical Practice: A Source Book, Professional Resource Press, volume 17, hoofdstuk Internetverslaving: symptomen, evaluatie en behandeling. blz. 19–31.
- 17. Block JJ (2008) Problemen voor DSM-V: internetverslaving. Am J Psychiatrie 165: 306–307. doi: 10.1176/appi.ajp.2007.07101556
- 18. Doidge N (2007) Het brein dat zichzelf verandert: verhalen over persoonlijke triomf vanaf de grenzen van de hersenwetenschap. Penguin Books, 1e editie doi: 10.1080/10398560902721606
- 19. American Psychiatric Association (2013) Diagnostisch en statistisch handboek voor psychische stoornissen (DSM-5). American Psychiatric Publishing (APPI).. doi: 10.1007/springerreference_179660
- 20. Bernardi S (2009) SPallanti (2009) Internetverslaving: een beschrijvend klinisch onderzoek gericht op comorbiditeiten en dissociatieve symptomen. Compr Psychiatrie 50: 510–516. doi: 10.1016/j.comppsych.2008.11.011
- 21. Caplan SE (2002) Problematisch internetgebruik en psychosociaal welzijn: ontwikkeling van een op theorie gebaseerd cognitief-gedragsmatig meetinstrument. Bereken menselijk gedrag 18: 553–575. doi: 10.1016/s0747-5632(02)00004-3
- 22. Shaw M, Black DW (2008) Internetverslaving: definitie, beoordeling, epidemiologie en klinisch management. CZS-medicijnen 22: 353–365. doi: 10.2165/00023210-200822050-00001
- 23. Tao R, Huang X, Wang J, Zhang H, Zhang Y, et al. (2010) Voorgestelde diagnostische criteria voor internetverslaving. Verslaving 105: 556–564. doi: 10.1111/j.1360-0443.2009.02828.x
- 24. Ding W, Sun J, Sun Y, Zhou Y, Li L, et al. (2013) Veranderde standaard functionele netwerkconnectiviteit in rusttoestand bij adolescenten met internetgamingverslaving. PLoS ONE 8: e59902. doi: 10.1371/journal.pone.0059902
- 25. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Abnormale integriteit van de witte stof bij adolescenten met een internetverslavingsstoornis: een onderzoek op basis van ruimtelijke statistiek. PLoS ONE 7: e30253. doi: 10.1371/journal.pone.0030253
- 26. Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et al. (2013) Verminderde functionele hersenconnectiviteit bij adolescenten met internetverslaving. PLoS ONE 8: e57831. doi: 10.1371/journal.pone.0057831
- 27. Liu J, Yuan L, Ye J (2010) Een efficiënt algoritme voor een klasse gefuseerde lasso-problemen. In: KDD. blz. 323-332.
- 28. Yuan K, Cheng P, Dong T, Bi Y, Xing L, et al. (2013) Corticale dikteafwijkingen in de late adolescentie met online gameverslaving. PLoS ONE 8: e53055. doi: 10.1371/journal.pone.0053055
- 29. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2011) Afwijkingen in de grijze stof bij internetverslaving: een op voxel gebaseerd morfometrieonderzoek. Eur J Radiol 79: 92–95. doi: 10.1016/j.ejrad.2009.10.025
- 30. Yuan K, Jin C, Cheng P, Yang X, Dong T, et al. (2013) Amplitude van laagfrequente fluctuaties bij adolescenten met online gameverslaving. PLoS ONE 8: e78708. doi: 10.1371/journal.pone.0078708
- 31. Zuo XN, Ehmke R, Mennes M, Imperati D, Castellanos FX, et al. (2012) Netwerkcentraliteit in het menselijke functionele connectoom. Cerebrale cortex 22: 1862-1875. doi: 10.1093/cercor/bhr269
- 32. Koschützki D, Lehmann KA, Peeters L, Richter S, Tenfelde-Podehl D, et al. (2005) Centraliteitsindexen. In: Brandes U, Erlebach T, redactie, Netwerkanalyse: methodologische grondslagen. New York: Springer-Verlag, deel 3418, pp. 16–61.
- 33. Beard KW, Wolf EM (2001) Wijziging in de voorgestelde diagnostische criteria voor internetverslaving. Cyberpsychol-gedrag 4: 377-383. doi: 10.1089/109493101300210286
- 34. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Hersenactiviteiten geassocieerd met gamedrang van online gameverslaving. J Psychiatr Res 43: 739-747. doi: 10.1016/j.jpsychires.2008.09.012
- 35. Young KS (1998) Gevangen in het net: hoe u de tekenen van internetverslaving kunt herkennen en een winnende strategie voor herstel. John Wiley en zonen.
- 36. Patton JH, Stanford MS, Barratt ES (1995) Factorstructuur van de barratt-impulsiviteitsschaal. J Clin Psychol 51: 768–774. doi: 10.1002/1097-4679(199511)51:6<768::aid-jclp2270510607>3.0.co;2-1
- 37. Huang X, Zhang Z (2001) Het samenstellen van een inventaris van de tijdmanagementdispositie van adolescenten. Acta Psychol Zonde 33: 338–343.
- 38. Goodman R (1997) De vragenlijst over sterke punten en moeilijkheden: een onderzoeksnota. J Kinderpsycholpsychiatrie 38: 581–586. doi: 10.1111/j.1469-7610.1997.tb01545.x
- 39. Epstein NB, Baldwin LM, bisschop DS (1983) Het McMaster Family Assessment Device. J Echtelijke familie Ther 9: 171–180. doi: 10.1111/j.1752-0606.1983.tb01497.x
- 40. Yan CG, Zang YF (2010) DPARSF: een MATLAB-toolbox voor "pipeline" data-analyse van fMRI in rusttoestand. Voorsysteem Neurosci 4: 13. doi: 10.3389/fnsys.2010.00013
- 41. Song XW, Dong ZY, Long XY, Li SF, Zuo XN, et al. (2011) REST: een toolkit voor de verwerking van functionele magnetische resonantiebeeldvormingsgegevens in rusttoestand. PLoS EEN 6: e25031. doi: 10.1371/journal.pone.0025031
- 42. 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. Neurobeeld 59: 2142–2154. doi: 10.1016/j.neuroimage.2011.10.018
- 43. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et al. (2002) Geautomatiseerde anatomische labeling van activeringen in SPM met behulp van een macroscopische anatomische verkaveling van de MNI MRI-hersenen met één onderwerp. Neurobeeld 15: 273–289. doi: 10.1006/nimg.2001.0978
- 44. Achard S, Bullmore E (2007) Efficiëntie en kosten van economische hersenfunctionele netwerken. PLoS Comput Biol 3: e17. doi: 10.1371/journal.pcbi.0030017
- 45. Bassett DS, Meyer-Lindenberg A, Achard S, Duke T, Bullmore E (2006) Adaptieve herconfiguratie van fractale functionele netwerken van menselijke hersenen in de kleine wereld. Proc Natl Acad Sci VS 103: 19518-19523. doi: 10.1073/pnas.0606005103
- 46. Rubinov M, Sporns O (2010) Complexe netwerkmetingen van hersenconnectiviteit: gebruik en interpretaties. Neurobeeld 52: 1059–1069. doi: 10.1016/j.neuroimage.2009.10.003
- 47. Smit DJA, Stam CJ, Posthuma D, Boomsma DI, De Geus EJC (2008) Erfelijkheid van 'kleine wereld'-netwerken in de hersenen: een grafiektheoretische analyse van functionele EEG-connectiviteit in rusttoestand. Hum Brain Mapp 29: 1368–1378. doi: 10.1002/hbm.20468
- 48. Zhang J, Wang J, Wu Q, Kuang W, Huang X, et al. (2011) Verstoorde hersenconnectiviteitsnetwerken bij een depressieve stoornis in de eerste episode die geen drugs bevat. Biol Psychiatrie 70: 334–342. doi: 10.1016/j.biopsych.2011.05.018
- 49. Latora V, Marchiori M (2001) Efficiënt gedrag van netwerken in kleine werelden. Phys Rev Lett 87: 198701. doi: 10.1103/physrevlett.87.198701
- 50. Watts DJ, Strogatz SH (1998) Collectieve dynamiek van ‘kleine wereld’-netwerken. Natuur 393: 440–442. doi: 10.1038/30918
- 51. Hij Y, Wang J, Wang L, Chen ZJ, Yan C, et al. (2009) Ontdekking van de intrinsieke modulaire organisatie van spontane hersenactiviteit bij mensen. PLoS EEN 4: 1–17. doi: 10.1371/journal.pone.0005226
- 52. Gong G, Rosa-Neto P, Carbonell F, Chen ZJ, He Y, et al. (2009) Leeftijds- en geslachtsgerelateerde verschillen in het corticale anatomische netwerk. J Neurosci 29: 15684–15693. doi: 10.1523/jneurosci.2308-09.2009
- 53. Tian L, Wang J, Yan C, He Y (2011) Hemisfeer- en geslachtsgerelateerde verschillen in hersennetwerken in kleine werelden: een functioneel MRI-onderzoek in rusttoestand. Neurobeeld 54: 191–202. doi: 10.1016/j.neuroimage.2010.07.066
- 54. Zhu W, Wen W, He Y, Xia A, Anstey KJ, et al. (2012) Veranderende topologische patronen bij normale veroudering met behulp van grootschalige structurele netwerken. Neurobiol Veroudering 33: 899-913. doi: 10.1016/j.neurobiolaging.2010.06.022
- 55. Hayasaka S, Laurienti PJ (2010) Vergelijking van kenmerken tussen regio- en voxel-gebaseerde netwerkanalyses in fmri-gegevens in rusttoestand. Neurobeeld 50: 499–508. doi: 10.1016/j.neuroimage.2009.12.051
- 56. Fornito A, Zalesky A, Bullmore ET (2010) Netwerkschalingseffecten in grafiekanalytische studies van fMRI-gegevens in de menselijke rusttoestand. Voorsysteem Neurosci 4: 22. doi: 10.3389/fnsys.2010.00022
- 57. Zalesky A, Fornito A, Harding IH, Cocchi L, Yücel M, et al. (2010) Anatomische netwerken van hele hersenen: doet de keuze van knooppunten er toe? Neurobeeld 50: 970-983. doi: 10.1016/j.neuroimage.2009.12.027
- 58. Dosenbach NUF, Nardos B, Cohen AL, Fair DA, Power JD, et al. (2010) Voorspelling van de individuele volwassenheid van de hersenen met behulp van fmri. Wetenschap 329: 1358–1361. doi: 10.1126/science.1194144
- 59. Maslov S, Sneppen K (2002) Specificiteit en stabiliteit in de topologie van eiwitnetwerken. Wetenschap 296: 910–913. doi: 10.1126/science.1065103
- 60. Buckner RL, Andrew-Hanna JR, Schacter DL (2008) Het standaardmodusnetwerk van de hersenen: anatomie, functie en relevantie voor ziekte. Ann NY Acad Sci 1124: 1–38. doi: 10.1196/annals.1440.011
- 61. Greicius MD, Krasnow B, Reiss AL, Menon V (2003) Functionele connectiviteit in de rustende hersenen: een netwerkanalyse van de standaardmodushypothese. Proc Natl Acad Sci VS 100: 253-258. doi: 10.1073/pnas.0135058100
- 62. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et al. (2001) Een standaardmodus van de hersenfunctie. Proc Natl Acad Sci VS 98: 676-682. doi: 10.1073/pnas.98.2.676
- 63. Fair DA, Dosenbach NUF, Church JA, Cohen AL, Brahmbhatt S, et al. (2007) Ontwikkeling van afzonderlijke controlenetwerken door segregatie en integratie. Proc Natl Acad Sci VS 104: 13507–13512. doi: 10.1073/pnas.0705843104
- 64. Fair DA, Cohen AL, Power JD, Dosenbach NUF, Church JA, et al. (2009) Functionele hersennetwerken ontwikkelen zich van een “lokale naar gedistribueerde” organisatie. PLoS Comput Biol 5: e1000381. doi: 10.1371/journal.pcbi.1000381
- 65. Kelly AC, Di Martino A, Uddin LQ, Zarrar Shehzad1 DGG, Reiss PT, et al. (2009) Ontwikkeling van functionele connectiviteit van de anterieure cingula van de late kindertijd tot de vroege volwassenheid. Hersenschors 19: 640-657. doi: 10.1093/cercor/bhn117
- 66. Supekar K, Musen M, Menon V (2009) Ontwikkeling van grootschalige functionele hersennetwerken bij kinderen. PLoS Biol 7: e1000157. doi: 10.1371/journal.pbio.1000157
- 67. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et al. (2011) Verminderde interhemisferische functionele connectiviteit bij autisme. Cerebrale cortex 21: 1134–1146. doi: 10.1093/cercor/bhq190
- 68. Wilson TW, Rojas DC, Reite ML, Teale PD, Rogers SJ (2007) Kinderen en adolescenten met autisme vertonen verminderde MEG steady-state gamma-reacties. Biol Psychiatrie 62: 192–197. doi: 10.1016/j.biopsych.2006.07.002
- 69. Uddin LQ, Supekar K, Menon V (2010) Typische en atypische ontwikkeling van functionele menselijke hersennetwerken: inzichten uit fMRI in rusttoestand. Voorsysteem Neurosci 4: 21. doi: 10.3389/fnsys.2010.00021
- 70. Uddin LQ, Supekar KS, Ryali S, Menon V (2011) Dynamische herconfiguratie van structurele en functionele connectiviteit tussen kernneurocognitieve hersennetwerken met ontwikkeling. J Neurosci 31: 18578-18589. doi: 10.1523/jneurosci.4465-11.2011
- 71. Liang M, Zhou Y, Jiang T, Liu Z, Tian L, et al. (2006) Wijdverbreide functionele ontkoppeling bij schizofrenie met functionele magnetische resonantiebeeldvorming in rusttoestand. Neurorapport 17: 209–213. doi: 10.1097/01.wnr.0000198434.06518.b8
- 72. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2006) Verhoogde lokale en verminderde functionele connectiviteit op afstand op EEG-alfa- en bèta-frequentiebanden bij opioïdafhankelijke patiënten. Psychofarmacologie 188: 42–52. doi: 10.1007/s00213-006-0474-4
- 73. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et al. (2007) Ontwenning van opioïden resulteert in een verhoogde lokale en externe functionele connectiviteit op de EEG-alfa- en bèta-frequentiebanden. Neurosci Res 58: 40–49. doi: 10.1016/j.neures.2007.01.011
- 74. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et al. (2011) Verminderde functionele connectiviteit in de interhemisferische rusttoestand bij cocaïneverslaving. Biol Psychiatrie 69: 684–692. doi: 10.1016/j.biopsych.2010.11.022
- 75. Fair DA, Cohen AL, Church NUDJA, Miezin FM, Barch DM, et al. (2008) De volwassen wordende architectuur van het standaardnetwerk van de hersenen. Proc Natl Acad Sci VS 105: 4028-4032. doi: 10.1073/pnas.0800376105
- 76. Bullmore E, Sporns O (2009) Complexe hersennetwerken: grafiektheoretische analyse van structurele en functionele systemen. Nat Rev Neurosci 10: 186–198. doi: 10.1038/nrn2575
- 77. He Y, Evans A (2010) Grafiektheoretische modellering van hersenconnectiviteit. Huidige mening Neurol 23: 341–350.
- 78. Stam CJ (2010) Karakterisering van anatomische en functionele connectiviteit in de hersenen: een complex netwerkperspectief. Int J Psychophysiol 77: 186–194. doi: 10.1016/j.ijpsycho.2010.06.024
- 79. Wang J, Zuo X, He Y (2010) Grafiekgebaseerde netwerkanalyse van functionele MRI in rusttoestand. Voorsysteem Neurosci 4: 16. doi: 10.3389/fnsys.2010.00016
- 80. Latora V, Marchiori M (2003) Economisch gedrag van kleine werelden in gewogen netwerken. Eur Fysisch Tijdschrift B 32: 249–263. doi: 10.1140/epjb/e2003-00095-5
- 81. Tononi G, Edelman GM, Sporns O (1998) Complexiteit en coherentie: informatie in de hersenen integreren. Trends in cognitieve wetenschappen 2: 474–484. doi: 10.1016/s1364-6613(98)01259-5
- 82. Mayberg HS (1997) Limbisch-corticale ontregeling: een voorgesteld model van depressie. J Neuropsychiatrie Clin Neurosci 9: 471–481.
- 83. Goldstein RZ, Tomasi D, Rajaram S, Cottone LA, Zhang L, et al. (2007) Rol van de voorste cingulaat en de mediale orbitofrontale cortex bij het verwerken van drugssignalen bij cocaïneverslaving. Neurowetenschappen 144: 1153–1159. doi: 10.1016/j.neuroscience.2006.11.024
- 84. Grüsser SM, Wrase J, Klein S, Hermann D, Smolka MN, et al. (2004) Cue-geïnduceerde activering van het striatum en de mediale prefrontale cortex wordt geassocieerd met daaropvolgende terugval bij onthoudende alcoholisten. Psychofarmacologie (Berl) 175: 296–302. doi: 10.1007/s00213-004-1828-4
- 85. Miedl SF, Fehr T, Meyer G, Herrmann M (2010) Neurobiologische correlaten van probleemgokken in een quasi-realistisch blackjackscenario zoals onthuld door fMRI. Psychiatrie Res 181: 165–173. doi: 10.1016/j.pscychresns.2009.11.008
- 86. Matochik JA, London ED, Eldreth DA, Cadet JL, Boll KI (2003) Frontale corticale weefselsamenstelling bij onthoudende cocaïnemisbruikers: een onderzoek naar magnetische resonantiebeeldvorming. Neurobeeld 19. doi: 10.1016/s1053-8119(03)00244-1
- 87. Fujiwara J, Tobler PN, Taira M, Iijima T, Tsutsui KI (2009) Gescheiden en geïntegreerde codering van beloning en straf in de cingulaire cortex. J Neurofysiol 101: 3284–3293. doi: 10.1152/jn.90909.2008
- 88. Yu C, Gupta J, Yin HH (2010) De rol van mediodorsale thalamus bij temporele differentiatie van beloningsgestuurde acties. Front Integr Neurosci 4: 14. doi: 10.3389/fnint.2010.00014
- 89. Corbit LH, Muir JL, Balleine BW (2003) Laesies van de mediodorsale thalamus en de voorste thalamische kernen produceren dissocieerbare effecten op de instrumentele conditionering bij ratten. Eur J Neurosci 18: 1286–1294. doi: 10.1046/j.1460-9568.2003.02833.x
- 90. Saper CB (2002) Het centrale autonome zenuwstelsel: bewuste viscerale perceptie en het genereren van autonome patronen. Annu Rev Neurosci 25: 433-469. doi: 10.1146/annurev.neuro.25.032502.111311
- 91. Ray JP, Prince JL (1993) De organisatie van projecties van de mediodorsale kern van de thalamus naar de orbitale en mediale prefrontale cortex bij makaken. J Comp Neurol 337: 1–31. doi: 10.1002/cne.903370102
- 92. Rolls ET (2004) De functies van de orbitofrontale cortex. Hersencogn 55: 11–29. doi: 10.1016/s0278-2626(03)00277-x
- 93. Dong G, Huang J, Du X (2012) Veranderingen in de regionale homogeniteit van de hersenactiviteit in rusttoestand bij internetgokverslaafden. Gedrag Hersenfunctie 18: 8–41. doi: 10.1186/1744-9081-8-41
- 94. Steriade M, Llinás RR (1998) De functionele toestanden van de thalamus en het bijbehorende neuronale samenspel. Physiol Rev. 68: 649-742.
- 95. Stein T, Moritz C, Quigley M, Cordes D, Haughton V, et al. (2000) Functionele connectiviteit in de thalamus en hippocampus onderzocht met functionele mr-beeldvorming. AJNR Am J Neuroradiol 21: 1397–1401.
- 96. Burgess N, Maguire EA, O'Keefe J (2002) De menselijke hippocampus en het ruimtelijke en episodisch geheugen. Neuron 35: 625-641. doi: 10.1016/s0896-6273(02)00830-9
- 97. Warburton EC, Baird A, Morgan A, Muir JL, Aggleton JP (2001) Het gezamenlijke belang van de hippocumpas en de voorste thalamische kernen voor al het allocentrische ruimtelijke leren: bewijs uit een ontkoppelingsonderzoek bij de rat. J Neurosci 21: 7323–7330.
- 98. Garavan H, Hester R, Murphy K, Fassbender C, Kelly C (2006) Individuele verschillen in de functionele neuroanatomie van remmende controle. Hersenonderzoek 1105: 130–142. doi: 10.1016/j.brainres.2006.03.029
- 99. Menon V, Adleman NE, White CD, Glover GH, Reiss AL (2001) Foutgerelateerde hersenactivatie tijdens een Go / NoGo-responsremmingstaak. Hum Brain Mapp 12: 131–143. doi: 10.1002/1097-0193(200103)12:3<131::aid-hbm1010>3.0.co;2-c
- 100. Whitfield-Gabrieli S, Ford JM (2012) Netwerkactiviteit en connectiviteit in standaardmodus in psychopathologie. Annu Rev Clin Psychol 8: 49–76. doi: 10.1146/annurev-clinpsy-032511-143049
- 101. Ding X, Lee SW (2013) Cocaïneverslaving gerelateerde reproduceerbare hersengebieden met abnormale functionele netwerkconnectiviteit in de standaardmodus: een groepsica-onderzoek met verschillende modelorden. Neurosci Lett 548: 110–114. doi: 10.1016/j.neulet.2013.05.029
- 102. Ma N, Liu Y, Fu XM, Li N, Wang CX, et al. (2011) Abnormale functionele netwerkconnectiviteit in de standaardmodus van de hersenen bij drugsverslaafden. PLoS EEN 6: e16560. doi: 10.1371/journal.pone.0016560
- 103. Tschernegg M, Crone JS, Eigenberger T, Schwartenbeck P, Fauth-Bühler M, et al. (2013) Afwijkingen van functionele hersennetwerken bij pathologisch gokken: een grafentheoretische benadering. Front Hum Neurosci 7: 625. doi: 10.3389/fnhum.2013.00625
- 104. Kolb B, Whishaw IQ (1998) Hersenplasticiteit en gedrag. Annu Rev Psychol 49: 43–64. doi: 10.1146/annurev.psych.49.1.43
- 105. Shaw CA, McEachern J, redacteuren (2001) Op weg naar een theorie neuroplasticiteit. Psychologie Pers.
- 106. Kolb B, Gibb R (2003) Plasticiteit en gedrag van de hersenen. Curr Dir Psychol Sci 12: 1–5. doi: 10.1111/1467-8721.01210
- 107. Kolb B, Gibb R (2011) Hersenplasticiteit en gedrag in de zich ontwikkelende hersenen. J Can Acad Kinderpsychiatrie 20: 265–276.
- 108. Robinson TE, Berridge KC (1993) De neurale basis van het hunkeren naar drugs: een prikkel-sensibilisatietheorie van verslaving. Brain Res Rev. 18: 247–291. doi: 10.1016/0165-0173(93)90013-p
- 109. Alavi SS, Maracy MR (2011) Het effect van psychiatrische symptomen op de internetverslavingsstoornis bij universiteitsstudenten van Isfahan. J Res Med Sci 16: 793–800.
- 110. Egger O, Rauterberg M (1996) Internetgedrag en verslaving. Technisch rapport, Arbeids- en Organisatiepsychologie-eenheid (IFAP), Swiss Federal Institute of Technology (ETH), Zürich.
- 111. Petrie H, Gunn D (1998) Internet-verslaving: de effecten van geslacht, leeftijd, depressie en introversie. In: British Psychological Society London-conferentie. Londen, Groot-Brittannië: British Psychological Society. Paper gepresenteerd op de British Psychological Society London Conference.