De gokverslaving in internet in kaart brengen met behulp van effectieve connectiviteit: een spectraal dynamisch oorzakelijk modelleringsonderzoek (2018)

Addict Behav. 2018 Oct 16; 90: 62-70. doi: 10.1016 / j.addbeh.2018.10.019.

Wang M1, Zheng H1, Du X2, Dong G3.

Abstract

VOORWERPEN:

Het begrijpen van de neurale basis die ten grondslag ligt aan internetgamingstoornis (IGD) is essentieel voor de diagnose en behandeling van dit soort gedragsverslaving. Afwijkende functionele connectiviteit in rusttoestand (rsFC) van het standaardmodusnetwerk (DMN) is gemeld bij personen met IGD. Omdat rsFC geen directionele analyse is, blijft de effectieve connectiviteit binnen het DMN in IGD onduidelijk. Hier hebben we spectrale dynamische causale modellering (spDCM) gebruikt om dit probleem te onderzoeken.

Methode:

fMRI-gegevens in rusttoestand werden verzameld van 64 IGD (leeftijd: 22.6 ± 2.2) en 63 goed op elkaar afgestemde recreatieve internetgamegebruikers (RGU, leeftijd: 23.1 ± 2.5). Voxel-gebaseerde gemiddelde tijdreeksgegevens geëxtraheerd uit de 4 hersengebieden binnen de DMN (mediale prefrontale cortex, mPFC; posterieure cingulaire cortex, PCC; bilaterale inferieure pariëtale lob, linker IPL/rechter IPL) van twee groepen tijdens de rusttoestand werden gebruikt voor de spDCM-analyse.

RESULTATEN:

Vergeleken met RGU vertoonde IGD een verminderde effectieve connectiviteit van de mPFC naar de PCC en van de linker IPL naar de mPFC, met verminderde zelfverbinding in de PCC en de linker IPL.

Conclusies:

De spDCM zou de veranderingen in de functionele architectuur tussen twee groepen nauwkeuriger kunnen onderscheiden dan rsFC. Onze bevindingen suggereren dat de verminderde excitatoire connectiviteit van de mPFC naar de PCC een cruciale biomarker voor IGD kan zijn. Toekomstige hersengebaseerde interventies moeten aandacht besteden aan ontregeling in de IPL-mPFC-PCC-circuits.

trefwoorden: Netwerk in standaardmodus; Effectieve connectiviteit; Internet-gamingstoornis; Mediale prefrontale cortex; Spectrale dynamische causale modellering

PMID: 30366150

DOI: 10.1016 / j.addbeh.2018.10.019