Netwerkgebaseerde analyse onthult functionele connectiviteit gerelateerd aan internetverslaving tendens (2016)

Front Hum Neurosci. 2016; 10: 6.

Online gepubliceerd 2016 Feb 1. doi: 10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tanya Wen^1,^2,^* en Shulan Hsieh^1,^3,^4,^*

Auteursinformatie ► Artikel opmerkingen ► Informatie over auteursrecht en licentie ►

Abstract

Preoccupatie en dwangmatig gebruik van internet kan negatieve psychologische effecten hebben, waardoor het steeds vaker wordt erkend als een mentale stoornis. De huidige studie maakte gebruik van op netwerken gebaseerde statistieken om te onderzoeken hoe functionele verbindingen in rust in de hele wereld gerelateerd zijn aan de mate van internetverslaving van individuele personen, geïndexeerd door een vragenlijst met eigen beoordeling. We identificeerden twee topologisch significante netwerken, een met verbindingen die positief gecorreleerd zijn met de neiging tot internetverslaving, en een met verbindingen die negatief gecorreleerd zijn met de neiging tot internetverslaving. De twee netwerken zijn meestal met elkaar verbonden in frontale regio's, hetgeen veranderingen in de frontale regio kan weerspiegelen voor verschillende aspecten van cognitieve controle (dwz voor controle over internetgebruik en spelvaardigheden). Vervolgens hebben we de hersenen onderverdeeld in verschillende grote regionale subgroepen en geconstateerd dat de meerderheid van de verhoudingen van verbindingen in de twee netwerken overeenkomen met het cerebellaire verslavingsmodel dat het viercircuitmodel omvat.

Ten slotte hebben we vastgesteld dat de hersenregio's met de meeste interregionale verbindingen die verband houden met de verslaving aan internetverslaving dezelfde zijn als die vaak worden gezien in de verslavingsliteratuur, en wordt bevestigd door onze meta-analyse van internetverslavingstudies. Dit onderzoek biedt een beter inzicht in grootschalige netwerken die betrokken zijn bij de neiging tot internetverslaving en toont aan dat preklinische niveaus van internetverslaving verband houden met vergelijkbare regio's en verbindingen als klinische gevallen van verslaving.

sleutelwoorden: internetverslaving, netwerkstatistieken, functionele connectiviteit, rusttoestand, meta-analyse

Introductie

Internet verslaving (OReilly, 1996; Young, 1998) is een modern fenomeen dat zich kenmerkt door preoccupatie en dwangmatig gebruik van internet. In het bijzonder is internet gaming disorder (IGD) vermeld in sectie III van de diagnostische en statistische handleiding-versie 5 (DSM-5^®, American Psychiatric Association [APA], 2013). Vanwege een gebrek aan een standaardcriterium, behandelde sommige literatuur de twee terminologie als synoniem (zie Petry en O'Brien, 2013; Petry et al., 2014 voor een discussie); het dwangmatige en overmatige gebruik van internet voor elke activiteit (die we in deze literatuur zullen aanduiden als internetverslaving) is echter meer globaal dan het grote subtype IGD, dat naast internetgamen meerdere vormen van internetgebruik kan omvatten (Griffiths en Pontes, 2014; Király et al., 2014; Petry et al., 2014). Onze huidige studie onderzoekt internetverslaving in de meer algemene vorm. Net als stoornissen in het gebruik van drugs, vertoont internetverslaving ontwenningsverschijnselen, tolerantie, controleverlies en psychosociale problemen, leidend tot klinisch significante problemen of beperkingen in het dagelijks functioneren. Prevalentie lijkt de hoogste Aziatische landen en in mannelijke adolescenten, en geschat wordt dat het varieert van 14.1 tot 16.5% (95 procent betrouwbaarheidsinterval) onder Taiwanese studenten in één onderzoek (Lin et al., 2011). Het fenomeen heeft de afgelopen jaren meer aandacht getrokken en verdient duidelijk verder onderzoek.

Functionele magnetische resonantie beeldvorming (fMRI) is gebruikt om de neurale substraten van internetverslaving te identificeren, die dezelfde hersenaanduidingen met substantie-afhankelijke verslavingen bleken te vertonen (Kuss en Griffiths, 2012; Brand et al., 2014; Meng et al., 2015). In geblokkeerde en aan gebeurtenissen gerelateerde onderzoeken zijn verschillende regio's geassocieerd met beloning, verslaving en verlangen geïdentificeerd door internetgokken cues met baseline, waaronder de insula, nucleus accumbens (NAc), dorsolaterale prefrontale cortex (DLPFC) en orbitale frontale cortex (OFC) (Hoeft et al., 2008; Ko et al., 2009; Han et al., 2010; Sun et al., 2012; Ko et al., 2013). Op activatie gebaseerde benaderingen contrasteren echter cue-gerelateerde activiteit en behandelen niet hoe regio's van de hersenen interageren, en kunnen dus geen gewijzigde functionele verbindingen kenmerken die geassocieerd zijn met klinische of gedragsmatige maatregelen; maar menselijke aandoeningen zijn het gevolg van verstoringen in een onderling verbonden complex systeem (Fornito en Bullmore, 2015). De introductie van fMRI in rusttoestand is een krachtig hulpmiddel gebleken voor het bestuderen van de neurale connectiviteit van de hele hersenen (van den Heuvel en Pol, 2010). De functionele connectiviteit van de rusttoestand wordt beoordeeld door de correlatie van spontane fluctuaties van bloedzuurstofniveau-afhankelijke (BOLD) signalen in verschillende hersengebieden en wordt verondersteld een maat voor de functionele organisatie te bieden, en kan helpen bij het karakteriseren van abnormale synchronisaties tussen hersengebieden in het spectrum van psychologische fenotypen (Biswal et al., 2010; Craddock et al., 2013).

Hoewel er enkele onderzoeken zijn uitgevoerd die functionele connectiviteit hebben gebruikt om de veranderde functionele connectiviteit te onderzoeken die geassocieerd is met internetverslaving, gebruikten de meeste studies adergebieden die a priori waren gekozen, waarbij (a) één zaadregio werd gecorreleerd met de resterende voxels van de hele hersenen [Hoeft et al., 2008 gebruikte de NAc; Lorenz et al., 2013 gebruikte de rechter inferieure frontale gyrus (IFG); Ding et al., 2013 gebruikte de achterste cingulate cortex (PCC); Ko et al., 2015 gebruikte de amygdala; Zhang et al., 2015. gebruikte de insula; Hong et al., 2015 gebruikt de caudate nucleus en putamen; Kühn en Gallinat, 2015 gebruikte de juiste frontale pool; Li et al., 2015 gebruikte de juiste DLPFC] of (b) het uitvoeren van correlaties tussen meerdere vooraf gedefinieerde ROI's geselecteerd uit betekenisvolle netwerken (Yuan et al., 2015 onderzocht het centrale uitvoerende netwerk en salience-netwerk; Dong et al., 2015b onderzocht het uitvoerende controlenetwerk; Dong et al., 2015a onderzocht het uitvoerende controlenetwerk en beloningsnetwerk; Li et al., 2014 onderzocht het reactie-inhibitie netwerk; Lin et al., 2015 onderzocht zes vooraf gedefinieerde bilaterale corticostriatale ROI's). De vooraf gedefinieerde zaadgebieden die worden onderzocht, vertegenwoordigen slechts een klein deel van de hersenen, waardoor ze mogelijk niet in staat zijn om een compleet beeld te geven van hoe het connectoom wordt beïnvloed door internetverslaving.

Er zijn maar heel weinig studies die een hele-brein-benadering gebruiken om internetverslaving te bestuderen. Voorzover ons bekend zijn er momenteel slechts vier gepubliceerde artikelen die een 'whole-brain'-benadering hebben aangenomen en hun methoden zijn vrij variabel, variërend van netwerkstatistieken (NBS; Hong et al., 2013) naar topologisch (Hong et al., 2013; Wee et al., 2014; Park et al., 2015) tot een novelly ontwikkelde voxel-gespiegelde homotope connectiviteit (Wang et al., 2015). Met name, Hong et al. (2013) gebruikte NBS om tussen-groepsverschillen in interregionale functionele connectiviteit te identificeren en gevonden verstoorde verbindingen betrokken bij cortico-subcorticale circuits bij patiënten met internetverslaving. Hun onderzoek was echter gericht op een kleine steekproefomvang van een unieke populatie (vroege jongens jong).

Daarom hebben we in onze huidige paper besloten om een volledighersenen connectiviteitsaanpak te gebruiken, NBS (Zalesky et al., 2010a; Han et al., 2013), om functionele verbindingen te identificeren die voorspellend zijn voor de neiging tot internetverslaving. NBS is een gevalideerde statistische methode om het probleem van meerdere vergelijkingen in een grafiek op te lossen, het is analoog aan op clusters gebaseerde methoden (Nichols en Holmes, 2002), en wordt gebruikt om verbindingen en netwerken te identificeren die het menselijke connectoom omvatten die zijn geassocieerd met een experimenteel effect of een verschil tussen de groepen door de hypothese onafhankelijk bij elke verbinding te testen. Onze resultaten zullen bovendien worden vergeleken met een meta-analyse van bestaande documenten met betrekking tot de neurale correlaten van internetverslaving. We hopen de bestaande literatuur op verschillende manieren uit te breiden: (1) We hopen een vollediger beeld te geven van internetverslaving door gebruik te maken van volledige hersenanalyse in plaats van slechts een klein aantal vooraf gedefinieerde zaadregio's te gebruiken. (2) Hoewel er een aantal complete functionele connectiviteitsstudies bestaan op het gebied van internetverslaving (bijv. Hong et al., 2013; Wang et al., 2015), vergeleken de onderzoeken internetverslaafde groepen met gezonde controles. Ons onderzoek omvatte geen klinische patiënten, maar karakteriseerde de neiging tot internetverslaving als een gradiënt. We hopen functionele verbindingen te identificeren waarvan de sterkte wordt gemoduleerd door het niveau van verslaving. (3) De meeste internetverslavingsstudies hebben het kleine bloed niet in overweging genomen, maar het kleine bloed is wel als een belangrijke regio in de verslaving betrokken (Moulton et al., 2014). Daarom hebben we het cerebellum in onze analyse opgenomen. (4) Veel studies hebben hun deelnemersgroep beperkt tot mannen en bevatten vaak relatief kleine steekproefgroottes (bijv. Hong et al., 2013, 2015; Kühn en Gallinat, 2015). Om de generaliseerbaarheid en het prestatievermogen van deze onderzoeken te vergroten, zijn monsters met zowel geslachten als een grotere steekproefgrootte noodzakelijk (Li et al., 2015). Door de bovengenoemde problemen aan te pakken, hoopt de huidige studie een beter inzicht te bieden in hoe functionele connectiviteit geassocieerd is met de neiging tot internetverslaving.

Materialen en methoden

Meta-analyse

Een meta-analyse werd geconstrueerd met behulp van de NeuroSynth-database (http://neurosynth.org; Yarkoni et al., 2011). Een aangepaste analyse werd uitgevoerd met behulp van de zoektermen 'verslaving', 'verslaafde', 'internet', 'gaming', 'game' en 'online' om onderzoeken met betrekking tot internetverslaving in de database te identificeren. De inclusiecriteria zijn handmatig geverifieerd en een lijst met de opgenomen studies is gedetailleerd in de aanvullende materialen 1. In totaal zijn 18-onderzoeken opgenomen. De piekactivatiecoördinaten evenals de omgeving van 6 mm voxels werden geëxtraheerd uit de opgenomen studies. Vervolgens werd een meta-analyse van deze coördinaten uitgevoerd, waardoor de hele hersenen in voorwaartse richting werden gebracht en werden beoordeeld z-score kaarten. De forward afferentiekaarten geven de waarschijnlijkheid weer dat een regio wordt geactiveerd, gezien deze voorwaarden [P(activering | voorwaarden)], dus ons op de hoogte van de consistentie van activering voor de gegeven voorwaarden. De omgekeerde conclusiekaart toont de waarschijnlijkheid dat deze termen worden gebruikt in een onderzoek gegeven de aanwezigheid van gerapporteerde activatie [P(voorwaarden | activering)]; dus een regio die geactiveerd is, geeft aan dat het meer een internetverslavinggerelateerde studie is dan een niet-internetverslaving-gerelateerde studie, die de selectiviteit van die regio weerspiegelt. Omdat zowel voorwaartse als achterwaartse inferentie een belangrijke rol spelen bij het begrijpen van regio's die te maken hebben met internetverslaving, overlappen we deze twee inferentiekaarten om hun gemeenschappelijke regio's te schetsen. Clusters van meer dan vijf voxels worden gerapporteerd.

Rust-Staat fMRI

Deelnemers

Zevenenveertig gezonde deelnemers (21-mannetjes en 26-vrouwen) uit Zuid-Taiwan, waarvan de meeste studenten of personeel van de universiteit zijn, werden gerekruteerd via advertenties om deel te nemen aan het experiment (leeftijdbereik = 19-29 jaar, gemiddelde leeftijd = 22.87 jaar, SD = 2.22 jaar). De deelnemers waren rechtshandig (aangegeven door de Edinburgh Handedness Inventory), hadden een normaal of gecorrigeerd-naar-normaal zicht en geen geschiedenis van psychische of neurale stoornissen. Hun scores voor depressie, angst en intelligentie lagen in het normale bereik [Beck's Depression Inventory (BDI) score: 0-12; Beck's Anxiety Inventory (BAI) score: 0-7; Raven's Standard Progressive Matrices-testscore: 35-57]. De Chen Internet Addiction Scale-Revised (CIAS-R) score van alle deelnemers had range = 28-92, mean = 60.04, SD = 16.53. tafel Table11 vat de demografische informatie en gedragskenmerken van de deelnemers samen. De normaliteit van de CIAS-R-scores werd geverifieerd door de Shapiro-Wilk-test [W(47) = 0.98, p = 0.50]. Er was geen significante correlatie tussen geslacht en CIAS-R-score (Spearman's ρ = 0.15, p = 0.30). Alle deelnemers verstrekten hun schriftelijke geïnformeerde toestemming en het onderzoeksprotocol werd goedgekeurd (NO: B-ER-101-144) door de Institutional Review Board (IRB) van het National Cheng Kung University Hospital, Tainan, Taiwan. Aan alle deelnemers werd 500 NTD betaald na voltooiing van het experiment.

Demografische informatie en gedragskenmerken.

Chen Internet Addiction Scale-Revised (CIAS-R) vragenlijst

De Chen Internet Addiction Scale-Revised (CIAS-R; Chen et al., 2003) is een 26-artikelmaatstaf die wordt gebruikt om de ernst van internetverslaving te beoordelen. De CIAS-R is gebaseerd op de DSM-IV-TR additief gedragscriteria en bevat twee subschalen van internetverslaving (a) kernsymptomen en (b) gerelateerde problemen, waarbij vijf dimensies worden beoordeeld, waaronder (1) compulsief internetgebruik, (2) terugtrekking symptomen wanneer het internet wordt weggenomen, (3) tolerantie, (4) gevaar voor interpersoonlijke relaties en lichamelijke gezondheid en (5) tijdmanagementproblemen. Items worden beoordeeld op een 4-punt Likert-schaal, met een totaalscore variërend van 26 tot 104, wat wijst op een lage tot hoge tendens van internetverslaving. Het is aangetoond dat de CIAS-R een hoge interne consistentie heeft (Cronbach's α = 0.79-0.93; Chen et al., 2003) en hoge diagnostische nauwkeurigheid (AUC = 89.6%; Ko et al., 2005). In de huidige studie werd de totale score van de CIAS-R gebruikt als een indicator voor de huidige status van internetverslaving van deelnemers.

Beeldacquisitie en -verwerking

Beeldvorming werd uitgevoerd met behulp van de GE MR750 3T-scanner (GE Healthcare, Waukesha, WI, VS) in het MRI-centrum van National Cheng Kung University. Hoge resolutie anatomische beelden werden verkregen met behulp van fast-SPGR, bestaande uit 166 axiale plakjes (TR = 7.6 ms, TE = 3.3 ms, kantelhoek 171 = 12 °, 224-matrices × 224-matrices, plakdikte = 1 mm). Functionele beelden werden verkregen met behulp van een gradiënt-echo echo-planaire beeldvorming (EPI) pulssequentie (TR = 2000 ms, TE = 30 ms, kantelhoek = 77 °, 64-matrices × 64-matrices, plakdikte = 4 mm, geen opening, voxel-afmeting 3.4375 mm × 3.4375 mm × 4 mm, 32 axiale plakjes die de volledige hersenen bedekken).

Deelnemers werd verteld zich te ontspannen en in de scanner te liggen met hun ogen dicht. Hen werd gevraagd om tijdens het scannen niet aan een bepaalde gebeurtenis te denken. De scantijd voor het structurele beeld was ongeveer 3.6 min. Het functionele beeld duurde ongeveer 8 min. De eerste vijf TR's fungeerden als dummy-scans om ervoor te zorgen dat het signaal een stabiele status heeft bereikt voordat gegevens worden verzameld; dus een run bestaat uit 240 EPI-volume-afbeeldingen voor analyse.

De gegevens zijn voorbewerkt met behulp van de Data Processing Assistant voor Rust-Staat fMRI (DPARSF; Yan en Zang, 2010), die is gebaseerd op functies in MRIcroN (Rorden et al., 2007^¹) evenals de statistische parameterkaarten-software (SPM^²) en de Resting-state fMRI Data Analysis Toolkit (REST; Song et al., 2011) in Matlab (The MathWorks, Inc., Natick, MA, VS). Functionele beelden hebben slice-timingcorrectie ondergaan, gevolgd door herschikking om te corrigeren voor beweging van de kop met behulp van zes-parameter rigide lichaamstransformaties. De algehele beweging, gekenmerkt door gemiddelde beeldverplaatsing (FD), was niet groot (gemiddelde = 0.05, SD = 0.03) en correleerde niet met de CIAS-R-scores (Spearman's ρ = -0.28, p = 0.055), dus impulsiviteit is geen verstorende factor voor de score en beweging van internetverslaving (Kong et al., 2014). T1-afbeeldingen werden samengevoegd tot functionele afbeeldingen. Structurele afbeeldingen werden gesegmenteerd in CSF, witte stof en grijze stof op basis van weefselwaarschijnlijkheidskaarten in MNI-ruimte, en deze berekeningen werden gebruikt bij de daaropvolgende normalisatie van T1- en EPI-afbeeldingen naar MNI-ruimte. De gegevens zijn in het ruimtelijke domein geëffend met behulp van een Gauss-kernel van 6 mm volledige breedte op half maximum (FWHM) en verwijderd van lineaire trend. Overlastcovariabelen met inbegrip van het globale gemiddelde signaal, het signaal van witte stof en het cerebrospinale vloeistofsignaal werden teruggedrongen. Hoewel het uitvoeren van de globale signaalregressie nog steeds een controverse is (bijv. Saad et al., 2012), hebben we besloten om deze methode te implementeren, omdat gesuggereerd is om de specificiteit van functionele correlaties te maximaliseren en de correspondentie tussen rusttoestandcorrelaties en anatomie te verbeteren (Fox et al., 2009; Weissenbacher et al., 2009; Takeuchi et al., 2014). Ten slotte hebben de opnamen een banddoorlaatfiltering van 0.01-0.08 Hz ondergaan.

Data-analyse

De fMRI-afbeeldingen werden parcellated gebaseerd op de Anatomical Automatic Labeling (AAL; Tzourio-Mazoyer et al., 2002) sjabloon, waarbij de hersenen worden verdeeld op basis van de anatomische structuur in 116 ROI's (of knooppunten). We kozen de AAL-atlas omdat het de meest gebruikte parabellering is in functionele netwerkstudies (Stanley et al., 2013) en was ook het sjabloon dat wordt gebruikt door Hong et al. (2013), waarvan de studie het meest relevant is voor de onze, waardoor de mate van vergelijkbaarheid tussen de onderzoeken wordt vergroot (Zalesky et al., 2010b). De NBS-methode werd gebruikt om hersennetwerken te identificeren die bestaan uit interregionale functionele connectiviteit die een significante correlatie vertoont met de CIAS-R-score. De volgende analyses zijn uitgevoerd met behulp van de Network Based Statistic Toolbox (Zalesky et al., 2010a) met extra interne Matlab-scripts. Een 116 × 116-correlatiematrix werd geconstrueerd voor elke deelnemer met behulp van de tijdcursussen die uit elke ROI werden geëxtraheerd. The Pearson's r waarden werden genormaliseerd naar Z scoort met Fisher's Z transformatie. Elke cel van de correlatiematrix vertegenwoordigt de sterkte van de verbinding (of rand) tussen twee knooppunten. Massale univariate tests met behulp van Spearman's rangcorrelatie werden uitgevoerd tussen de CIAS-R-scores van de deelnemers en de randsterktes binnen elke rand om relevante verbindingen te identificeren die voorspellend waren voor de CIAS-R-score. Kandidaatranden die een hoge voorspelbaarheid van de CIAS-R-score vertoonden, werden geselecteerd via een primaire drempel van Spearman's rho> 0.37 en <-0.37 (ongeveer de eenzijdige alfa = 0.005) om netwerken te identificeren die positief en negatief geassocieerd zijn met CIAS- R score. Vervolgens werden topologische clusters, bekend als verbonden graafcomponenten, geïdentificeerd onder de bovendrempelige verbindingen. Een familywise error (FWE) voor de componentgrootte werd berekend met behulp van permutatietesten (3000 permutaties), waarbij de CIAS-R-scores willekeurig opnieuw werden gerangschikt en het bovenstaande proces elke permutatie werd herhaald om een nulverdeling van de grootste componentgrootte te verkrijgen. Verbonden grafiekcomponenten waarvan de grootte groter is dan de geschatte FWE-gecorrigeerde p-value cutoff van <0.05 werden geïdentificeerd als netwerken die significant verband houden met de neiging tot internetverslaving. BrainNet-kijker (Xia et al., 2013) werd gebruikt voor het visualiseren van verbindingen. Een illustratie van de pijplijn voor gegevensanalyse wordt getoond in Figuur Figure11.

FIGUUR 1

Stroomdiagram van pijplijn voor gegevensanalyse. De hersenen van de deelnemers werden volgens de AAL-sjabloon voorbewerkt en naar verschillende structurele regio's parcellated. Een correlatiematrix is geconstrueerd met behulp van de tijdcursussen die uit elke regio zijn geëxtraheerd ...

Resultaten

Meta-analyse

Voorspelde en omgekeerde gevolgtrekking z-score maps werden gegenereerd van NeuroSynth (getoond in Figuur Figure22). De activeringen in deze twee kaarten vertonen grote gelijkenis met elkaar. Overlapping van deze kaarten onthulde activering in regio's van de kleine hersenen, temporale kwab (bilaterale inferieure tijdelijke gyri, rechter superieure pool en rechter midden en superieure temporale gyrus), verschillende frontale gebieden (linker midden en superieure orbitale frontale gyrus, rechter middenfrontale gyrus, rechter onderste frontaal operculum en rechter precentrale gyrus), bilateraal putamen, bilaterale insula, rechter middelste cingulate en rechter precuneus. tafel Table22 geeft de geïdentificeerde clusters weer, evenals de AAL-regio's die tot het cluster behoren.

FIGUUR 2

Inferentiekaarten van meta-analyse uitgevoerd op NeuroSynth, met regio's die actief zijn in voorwaartse gevolgtrekking, omgekeerde gevolgtrekking en de overlapping van de twee kaarten.

Overlappende clusters van voorwaartse en achterwaartse inferentiekaarten.

Rust-Staat fMRI

Functionele verbindingen gerelateerd aan internetverslaving Neiging

Met behulp van NBS identificeerden we twee netwerken die een significante correlatie vertoonden tussen randsterkte en CIAS-R-scores (p <0.05, FWE-gecorrigeerd): één met randen die positief gecorreleerd zijn met CIAS-R-scores ('CIAS-R-positief', weergegeven in rood), en één met randen die negatief zijn gecorreleerd met CIAS-R ('CIAS-R-negatief', weergegeven in blauw). Het positieve netwerk van CIAS-R bestaat uit in totaal 65 knooppunten en 90 randen (45 intrahemisferisch, 42 interhemisferisch en 3 verbonden met de vermis), terwijl het negatieve netwerk bestaat uit 64 knooppunten en 89 randen (35 intrahemisferisch, 40 interhemisferisch en 14 verbinding maken met / in de vermis). Het is belangrijk op te merken dat de twee netwerken niet volledig gescheiden zijn en dat ze in totaal 39 knooppunten delen, waarvan 30.77% frontale lobgebieden zijn. Het totale aantal randen gerelateerd aan CIAS-R bestaat uit 2.68% van alle randen van de hersenen. Het netwerk wordt geïllustreerd in Figuur Figure33 en specifieke verbindingen worden vermeld in aanvullende materialen 2, tabel S1.

FIGUUR 3

Netwerk van verbindingen die in verband staan met CIAS-R-scores. Grijze bollen vertegenwoordigen het zwaartepunt van elk knooppunt en worden overeenkomstig geschaald naar het aantal significante randen waaraan ze zijn gekoppeld. Alleen knooppunten met verbindingen worden getoond. Rode lijnen vertegenwoordigen ...

Wereldwijde distributie van betrokken randen

Om een beter begrip te krijgen van hoe deze verbindingen worden gedistribueerd, volgden we Fornito et al. (2011) en Hong et al. (2013)en categoriseerde elke AAL-regio binnen elk netwerk als behorend tot zeven regionale subgroepen: frontale, temporale, pariëtale, occipitale, insula- en cingulate gyri, subcorticale en cerebellum. De meerderheid van de randen in het CIAS-R-positieve netwerk omvatte verbindingen tussen (1) temporale regio's en insula en cingulate gryi (~13%), waarvan de meeste betrekking hebben op de achterste cingulate gyrus die verbonden is met verschillende tijdelijke regio's; (2) frontale en temporale regio's (~12%), die verbindingen omvat tussen de mediale orbitofrontale cortex, paracentral lobulus en de temporale lob gyri, temporale pool; en (3) pariëtale en subcorticale gebieden (~11%), bestaande uit verbindingen tussen de postcentrale cortex en de superieure wandbeenkwab met het putamen en pallidum. Het is interessant op te merken dat behalve de frontale kwab, alle andere regio's geen interregionale verbindingen hebben waarvan de sterkte positief gecorreleerd is met de neiging tot internetverslaving. De meerderheid van de randen in het CIAS-R-negatieve netwerk omvatte verbindingen tussen (1) de frontale kwab en het cerebellum (~19%), waarvan de meeste verbindingen zijn tussen de orbitale frontale regio's en verschillende ROI's van de kleine hersenen; en (2) insula en cingulate gyri en de temporale kwab (~12%), die verbindingen tussen de insula, cingulum, parahippocampal en temporale lob gyri omvat. Geen occipitale gebieden bleken te zijn opgenomen in het CIAS-R-negatieve netwerk. De verhoudingen van interregionale verbindingen van elk netwerk worden geïllustreerd in Figuur Figure44.

FIGUUR 4

Percentage randen dat positief en negatief gecorreleerd is met de neiging tot internetverslaving bij paren van regionale subgroepen. De verhoudingen werden berekend door het aantal randen tussen (of binnen) paren van gebieden te delen door het totaal ...

Maximaal getroffen knooppunten

Vanwege het grote aantal geïdentificeerde randen, volgden we Finn et al. (2014)en geïdentificeerde knooppunten met een hoge "som van CIAS-R-gecorreleerde randen" om onze analyse te richten op regio's waar verbindingen maximaal verband houden met verslaving aan internetverslaving. De som van CIAS-R-gecorreleerde randen van een knooppunt werd gedefinieerd als het totale aantal van zijn randen in zowel CIAS-R-positieve als CIAS-R-negatieve netwerken (dit is conceptueel equivalent aan de graadmaat in de grafentheorie). Deze methode zal ons in staat stellen knooppunten te identificeren waar verbindingen het meest waarschijnlijk worden veranderd door neiging tot internetverslaving. Het volgende tafel Table33 somt de knooppunten op die maximaal worden beïnvloed en toont knooppunten die ten minste een som van CIAS-R-gecorreleerde randen van ten minste 8 hebben. Visualisatie van de knooppunten en hun verbindingen wordt weergegeven Figuur Figure55. Dit zijn ook de knooppunten die voor discussie zijn geselecteerd.

Node-niveau analyse van internetverslavingsneiging.

FIGUUR 5

Visualisatie van de knooppunten met het hoogste aantal randen gerelateerd aan de neiging tot internetverslaving. Groene bollen geven het zwaartepunt van elk knooppunt weer met maximale randen, terwijl gele bollen hun functionele connectiviteitspartners weergeven. Rode lijnen geven randen aan ...

Discussie

In een normale groep jonge volwassenen evalueerden we hun niveau van internetverslaving met behulp van een zelf-beoordeelde vragenlijst (CIAS-R), en identificeerden we verder twee hersennetwerken waarvan functionele verbindingen positief en negatief correleerden met de neiging tot internetverslaving. Hieronder bespreken we onze resultaten op verschillende schalen van waarneming: (1) de cruciale regio's die CIAS-R-positieve en CIAS-R-negatieve netwerken, (2) -regio's verbinden met grote hoeveelheden verbindingen die verband houden met de neiging tot internetverslaving, en (3 ) de kritische knooppunten veranderd door de neiging tot internetverslaving.

Frontale regio's Link CIAS-R positieve en CIAS-R negatieve netwerken

We hebben vastgesteld dat de meerderheid van knooppunten die de twee (CIAS-R-positieve en CIAS-R-negatieve) netwerken met elkaar verbinden, zich binnen de frontale kwab bevindt. Deze gebieden omvatten de superieure frontale gyrus, IFG, mediale frontale gyrus, rolandisch operculum en aanvullend motorgebied. De prefrontale cortex is geïmpliceerd als een kritische structuur in cognitieve controle, inhibitie en respons selectie (Aron et al., 2004; Talati en Hirsch, 2005; Forstmann et al., 2008). Internetverslaving is een fenomeen omdat verslaafden een verminderde zelfbeheersing en besluitvorming met betrekking tot internetgebruik hebben, weerspiegeld door voortdurend overmatig gebruik ondanks hun kennis van negatieve effecten. Verschillende studies hebben bijvoorbeeld aangetoond dat deelnemers met internetverslaving een hogere fronto-striatale en fronto-pariëtale activering vertoonden tijdens de Go / Nogo-taak (Ding et al., 2014; Ko et al., 2014; Chen et al., 2015) en Stroop-taak (Dong et al., 2012a, 2013, 2014), wat duidt op een slechtere reactie-inhibitie en foutmonitoring en verhoogde impulsiviteit. Maar aan de andere kant vertonen internetverslaafden en videospelspelers vaak uitstekende prestaties van de cognitieve functie, zoals motorische controle en efficiënte besluitvorming tijdens het gamen. Effecten van videospelletjespellen blijken inderdaad te generaliseren naar een aantal verbeterde uitvoerende vaardigheden, inclusief perceptuele, motorische, aandachtige en probabilistische inferentievaardigheden (Groen en Bavelier, 2003; Castel et al., 2005; Dye et al., 2009; Green et al., 2010; Green et al., 2012). Eén fMRI-onderzoek wees uit dat minder werving van het fronto-parietale netwerk in videospelspelers was vergeleken met niet-gamers tijdens een hoge aandachtstaaktaak, mogelijk als gevolg van efficiëntere controle door leidinggevenden en aandacht (Bavelier et al., 2012). De twee gezichten van cognitieve controle getoond door internetverslaafden vormen een interessant dilemma. In onze studie kan de waarneming van frontale regio's die de twee netwerken verbinden waar functionele connectiviteit wordt verminderd en verhoogd door de neiging tot internetverslaving, veranderingen in de frontale regio weerspiegelen voor verschillende aspecten van cognitieve controle (dwz voor controle van internetgebruik en spelvaardigheden). Het is de moeite waard te vermelden dat hoewel Hong et al. (2013) veronderstelde dat er mogelijk verhoogde functionele connectiviteit geassocieerd zou kunnen worden met praktijkeffecten bij internetverslaafden, alleen verminderde functionele connectiviteit werd waargenomen in hun onderzoek. Eén mogelijkheid voorgesteld door Hong et al. (2013) voor hun afwezigheid van verhoogde functionele connectiviteit bij internet-verslaafden was hun kleine steekproefgrootte het gevolg van het gebrek aan macht. Door gebruik te maken van op zaad gebaseerde analyse, die minder multipele vergelijkingen vereist dan benaderingen van hele hersenen, Hong et al. (2015) opnieuw geanalyseerd de 2013-gegevens en waargenomen zowel toegenomen als verminderde functionele connectiviteit geassocieerd met internetverslaving.

De wijdverspreide verbindingen van de internetverslaving tendency-netwerken

De gegevens tonen een groot aantal inter- en intrahemisferische verbindingen in zowel CIAS-R-positieve als CIAS-R-negatieve netwerken, hetgeen de uitgebreide invloed van de neiging tot internetverslaving op de hersenen weerspiegelt. We hebben vastgesteld dat het grootste deel van de verbindingen in het CIAS-R-positieve netwerk de "insula- en cingulate-temporele", "frontale- temporele" en "subcorticale - pariëtale" randen omvatte, terwijl het grootste deel van de verbindingen in de CIAS-R negatief netwerk omvatte "frontale - cerebellaire" en "insula en cingulate - temporale" randen (Figuur Figure44). In een recent voorgesteld verslavingsmodel (Moulton et al., 2014), helpt het cerebellum om de homeostase van de vier onderling verbonden circuits die relevant zijn voor verslaving te behouden: beloning / oplettendheid, motivatie / drive, leren / geheugen en cognitieve controle. Dit model integreert het viercircuitmodel (Volkow et al., 2003, 2010) en de cerebellaire functionele rusttoestandnetwerken met betrekking tot uitvoerende en associatieve verwerking in de hersenschors (Buckner et al., 2011). De componenten voor beloning / opvoeding, motivatie / drive en leren / geheugen worden versterkt, terwijl cognitieve controle bij verslaving afneemt. Zien Figuur Figure66 voor een illustratie. Onze waarnemingen van de hoogste functionele connectiviteitsverhoudingen van de twee internetverslaving tendensenetwerken zijn over het algemeen compatibel met Moulton et al.'S (2014) model van de kritieke componenten die betrokken zijn bij de verslavingsschakeling. Evenzo hebben we niet veel significante verbindingen waargenomen die de occipitale lob omvatten, die ook zwaluwstaart Hong et al.'S (2013) bevindingen. We vonden echter ook een groot deel van "subcorticale - pariëtale" randen die, hoewel niet bijzonder benadrukt in het viercircuitmodel, deze verbanden zijn waargenomen in de literatuur over internetverslaving (bijv. Ding et al., 2013; Hong et al., 2013, 2015), wat te wijten kan zijn aan een oefeneffect met betrekking tot internetgebruik.

FIGUUR 6

Een verslavingsmodel dat de modulerende rol van de kleine hersenen van de vier belangrijkste hersennetwerken benadrukt waarvan wordt verondersteld dat ze beïnvloed worden door verslaving (aangepast van Moulton et al., 2014). Deze circuits omvatten beloning / opkomst, motivatie / drive, leren / geheugen, ...

Kritieke knooppunten gewijzigd door internetverslaving tendens

We identificeerden knooppunten waarvan de meeste verbindingen maximaal verband houden met de neiging tot internetverslaving. Deze knooppunten zijn die waarvan het verbindingspatroon tussen de knoop zelf en andere hersengebieden het meest gevoelig is voor verandering door de tendens van internetverslaving. De regio's zijn specifiek de bilaterale gyrus achterste cingulate, rechter insula, rechter midden temporale gyrus, linker superieure pool, rechter putamen en het orbitale gedeelte van linker IFG (Figuur Figure55). Deze regio's zijn betrokken als sleutelregio's in veel (internet) verslavingsstudies en sommige zijn al genoemd in de vorige paragraaf. We bespreken nu de verslavingsliteratuur waarin deze regio's meer in detail worden belicht. De PCC, onderdeel van het standaardmodusnetwerk en betrokken bij verschillende aspecten van zelfverwerking (Buckner et al., 2008; Fransson en Marrelec, 2008), diende als een seedregio in Ding et al.'S (2013) onderzoek, dat een significant verhoogde functionele connectiviteit liet zien met de bilaterale achterhoofdskwab en midden temporale gyrus, terwijl de afgenomen bilaterale inferieure pariëtale lob en de rechter inferieure gyrus bij internetgokverslaafden. Internetverslaafden bleken ook abnormale fractionele anisotropie te vertonen (Dong et al., 2012b) en grijze stofdichtheid (Zhou et al., 2011) in de PCC. Zhang et al. (2015) koos de insula, die is betrokken bij verslaving (Naqvi en Bechara, 2009; Droutman et al., 2015), als het seed-gebied en vond veranderde functionele connectiviteit met een netwerk van regio's in internetverslaafden. De rol van de insula bij verslaving is gesuggereerd voor het integreren van interoceptieve signalen in bewuste gevoelens (drugsdriften) en vooroordelen bij besluitvorming (Naqvi en Bechara, 2009). De middelste temporale gyrus en superieure temporale pool zijn waargenomen in sommige onderzoeken naar internetverslaving (zie Meng et al., 2015 voor een meta-analyse) en zijn geassocieerd met game drang / hunkeren, semantische verwerking, uittreden, werkgeheugen en emotionele verwerking; hun specifieke rol in verslaving vereist echter nader onderzoek. Het putamen, onderdeel van het dorsale striatum, is ook een kritisch gebied dat wordt gesuggereerd door veel verslavingsonderzoek (bijv. Ko et al., 2009; Ding et al., 2013; Lin et al., 2015), waarbij gelijktijdige dopamine-neurotransmissie een rol speelt bij de ontwikkeling van dwangmatig drugs zoeken en verlangen (Volkow et al., 2006; Koob en Volkow, 2010). Verder heeft onderzoek gesuggereerd dat disfunctie met het striato-thalamo-orbitofrontale circuit een cruciale oorzaak van verslaving is, terwijl het dorsale striatum dat betrokken is bij gewoonte-leren en verlangen, de orbitofrontale cortex betrokken is bij salience, drive en compulsivity (Volkow en Fowler, 2000; Koob en Volkow, 2010; Volkow et al., 2010; Goldstein en Volkow, 2011). Het abnormale functioneren van de orbitofrontale cortex zou de gedragsstoring bij verslaving kunnen verklaren. Samenvattend hierboven, zijn de knooppunten die we identificeerden hubs die het meest gevoelig zijn voor verandering door de neiging tot internetverslaving, en ze zijn herhaaldelijk geïdentificeerd in de bestaande literatuur.

Beperking

Zoals een van onze reviewers heeft opgemerkt, blijft het debat over de vraag of globale signaalregressie in fMRI in rusttoestand moet worden uitgevoerd. Na opnieuw analyseren van de huidige gegevens zonder globale signaalregressie, bleken onze resultaten behoorlijk verschillend in vergelijking met onze oorspronkelijke analyse en slechts 22.91% van de randen gevonden in de NBS-analyses zonder globale signaalregressie overlappend met die van onze huidige resultaten. Zonder globale signaalregressie vonden we niet voldoende functionele verbindingen die positief gerelateerd waren aan CIAS-R-scores; we hebben echter een netwerk gevonden dat bestond uit functionele verbindingen die negatief verband hielden met CIAS-R-scores. Wanneer het identificeren van knooppunten waarvan de meeste verbindingen maximaal verband houden met de neiging tot internetverslaving, vinden we consistentie met de globale signaalregressieanalyse in die zin dat de cingulate, insula, temporale en frontale gebieden het meest betrokken waren. Verscheidene verschillen omvatten echter de aanvullende bevinding van bilaterale aanvullende motorgebieden en rechterhoekgyrus die verminderde functionele connectiviteit aantonen, en er waren niet zo veel subcorticale gebieden in het geïdentificeerde netwerk. Hoewel globale signaalregressie nog steeds controversieel is, hebben we besloten beide resultaten te rapporteren. Details van het netwerk geïdentificeerd zonder globale signaalregressie zijn gedocumenteerd in de aanvullende materialen 3. Hopelijk zullen toekomstige werkzaamheden met betrekking tot het voorverwerken van afbeeldingen licht werpen op het resultaat dat nauwkeuriger is. Op dit moment stellen we voor om de huidige resultaten te interpreteren met dergelijke waarschuwingen in gedachten.

Conclusie

Met behulp van een data-gestuurde aanpak hebben we laten zien dat statistieken op basis van netwerken een nuttig hulpmiddel zijn om de gehele brein-connectiviteit te karakteriseren die wordt beïnvloed door de neiging tot internetverslaving, door verbindingen en kritieke regio's te identificeren die eerdere studies weergaven. In vergelijking met zaadanalyses biedt deze benadering met een volledig brein een uitgebreidere analyse van hersenverbindingen in verband met internetverslaving, waarbij een totaal van 6670-verbindingen wordt onderzocht. We hebben verder aangetoond dat veel functionele verbindingen en hersengebieden die cruciaal zijn in klinische gevallen van verslaving, ook geassocieerd zijn met preklinische tendensen geïndexeerd door gedragsvragenlijstmetingen. Hoewel we een correlationele benadering gebruiken, kunnen we niet zeker weten of deze netwerken worden veranderd als gevolg van internetgebruik of dat het kenmerken zijn van mensen die vatbaar zijn voor een hoger risico op het ontwikkelen van internetverslaving, dit onderzoek biedt nuttige informatie om ons te helpen de neurale zenuwbanen te begrijpen. kenmerken die ten grondslag liggen aan verslaving en de ontwikkeling ervan.

Bijdragen van auteurs

TW voerde het experiment uit, analyseerde de gegevens, interpreteerde de resultaten, schreef en herzag het manuscript. SH ontwierp het experiment, schreef het subsidievoorstel, begeleidde de voorbereiding en uitvoering van het experiment, hielp bij het interpreteren van de gegevens, het voorbereiden en herzien van het manuscript.

Belangenconflict verklaring

De auteurs verklaren dat het onderzoek is uitgevoerd in afwezigheid van commerciële of financiële relaties die kunnen worden beschouwd als een potentieel belangenconflict.

Dankwoord

De auteurs zijn Yun-Ting Lee dankbaar voor hulp bij het verzamelen van gegevens en professor Po-Hsien Huang voor statistische raadpleging. Het onderzoek werd gefinancierd door het Ministerie van Wetenschap en Technologie (MOST), Taiwan (MOST 102-2420-H-006-006-MY2 en MOST 104-2420-H-006-004-MY2). Daarnaast werd dit onderzoek gedeeltelijk ondersteund door het Ministerie van Onderwijs (MoE), Taiwan, ROC The Aim for the Top University Project van de National Cheng Kung University (NCKU). We bedanken het Mind Research and Imaging Center (MRIC), ondersteund door de MOST, bij NCKU voor advies en instrumentbeschikbaarheid. De CIAS-R-vragenlijst werd verstrekt door Sue-Huei Chen.

voetnoten

¹http://www.mricro.com

²http://www.fil.ion.ucl.ac.uk/spm

Aanvullend materiaal

Het aanvullende materiaal voor dit artikel is online te vinden op: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Klik hier voor extra gegevensbestand.^{(20K, DOCX)}

Klik hier voor extra gegevensbestand.^{(33K, DOCX)}

Klik hier voor extra gegevensbestand.^{(258K, DOCX)}

Referenties

American Psychiatric Association [APA] (2013). Diagnostisch en statistisch handboek voor psychische stoornissen (DSM-5^®). Arlington, VA: American Psychiatric Pub.
Aron AR, Robbins TW, Poldrack RA (2004). Remming en de juiste inferieure frontale cortex. Trends Cogn. Sci. 8 170-177. 10.1016 / j.tics.2004.02.010 [PubMed] [Kruis Ref]
Bavelier D., Achtman RL, Mani M., Focker J. (2012). Neurale bases van selectieve aandacht in spelers van videospelgames. Vis. Res. 61 132-143. 10.1016 / j.visres.2011.08.007 [PMC gratis artikel] [PubMed] [Kruis Ref]
Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, et al. (2010). Op weg naar ontdekkingswetenschap van de functie van het menselijk brein. Proc. Natl. Acad. VS 107 4734-4739. 10.1073 / pnas.0911855107 [PMC gratis artikel] [PubMed] [Kruis Ref]
Merk M., Young KS, Laier C. (2014). Prepressie en internetverslaving: een theoretisch model en een overzicht van neuropsychologische en neuroafbeeldingsbevindingen. Voorkant. Brommen. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [PMC gratis artikel] [PubMed] [Kruis Ref]
Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Het standaardnetwerk van de hersenen - anatomie, functie en relevantie voor ziekte. Jaar Cogn. Neurosci. 2008 1-38. 10.1196 / annals.1440.011 [PubMed] [Kruis Ref]
Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). De organisatie van het menselijk cerebellum geschat op basis van intrinsieke functionele connectiviteit. J. Neurophysiol. 106 2322-2345. 10.1152 / jn.00339.2011 [PMC gratis artikel] [PubMed] [Kruis Ref]
Castel AD, Pratt J., Drummond E. (2005). De effecten van videogamervaring in actie op het tijdsverloop van remming van terugkeer en de efficiëntie van visueel zoeken. Acta Psychol. 119 217-230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Kruis Ref]
Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. (2015). Hersencorrelaties van responsremming bij internetgaming-stoornis. Psychiatry Clin. Neurosci. 69 201-209. 10.1111 / pcn.12224 [PubMed] [Kruis Ref]
Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Ontwikkeling van een Chinese internetverslavingsschaal en zijn psychometrische studie. Kin. J. Psychol. 45 251-266. 10.1371 / journal.pone.0098312 [Kruis Ref]
Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., et al. (2013). Beeldvorming van menselijke connectomes op de macroschaal. Nat. methoden 10 524-539. 10.1038 / Nmeth.2482 [PMC gratis artikel] [PubMed] [Kruis Ref]
Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). Trage impulsiviteit en verminderde functie van inhibitie van de prefrontale impuls bij adolescenten met internetgamerverslaving geopenbaard door een Go / No-Go fMRI-onderzoek. Behav. Brain Funct. 10:20 10.1186/1744-9081-10-20 [PMC gratis artikel] [PubMed] [Kruis Ref]
Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR, et al. (2013). Gewijzigde standaard netwerk rust-staat functionele connectiviteit bij adolescenten met internet gaming verslaving. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [PMC gratis artikel] [PubMed] [Kruis Ref]
Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Verminderde remmende controle bij 'internetverslavingsstoornis': een functioneel onderzoek naar magnetische resonantie beeldvorming. Psychiatry Res. neuroimaging 203 153-158. 10.1016 / j.pscychresns.2012.02.001 [PMC gratis artikel] [PubMed] [Kruis Ref]
Dong GH, DeVito E., Huang J., Du XX (2012b). Diffusie tensor beeldvorming onthult thalamus en posterior cingulate cortex afwijkingen in internet gaming-verslaafden. J. Psychiatr. Res. 46 1212-1216. 10.1016 / j.jpsychires.2012.05.015 [PMC gratis artikel] [PubMed] [Kruis Ref]
Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Een onevenwichtige functionele koppeling tussen het uitvoerende controlenetwerk en het beloningsnetwerk verklaren het gedrag van online-gokken op zoek naar gedrag bij internetgaming. Sci. Rep. 5: 9197 10.1038 / Srep09197 [PMC gratis artikel] [PubMed] [Kruis Ref]
Dong GH, Lin X., Potenza MN (2015b). Verminderde functionele connectiviteit in een uitvoerend controlenetwerk is gerelateerd aan een verslechterde uitvoerende functie bij internetgaming-stoornis. Prog. Neuro-Psychopharmacol. Biol. Psychiatrie 57 76-85. 10.1016 / j.pnpbp.2014.10.012 [PMC gratis artikel] [PubMed] [Kruis Ref]
Dong GH, Lin X., Zhou HL, Lu QL (2014). Cognitieve flexibiliteit bij internetverslaafden: fMRI-bewijs van moeilijk-te-gemakkelijk en gemakkelijk-te-moeilijke schakelsituaties. Addict. Behav. 39 677-683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Kruis Ref]
Dong GH, Shen Y., Huang J., Du XX (2013). Verminderde foutbewakingsfunctie bij mensen met een internetverslavingsstoornis: een gebeurtenisgerelateerd fMRI-onderzoek. EUR. Addict. Res. 19 269-275. 10.1159 / 000346783 [PubMed] [Kruis Ref]
Droutman V., Lees SJ, Bechara A. (2015). De rol van de insula opnieuw bekijken in verslaving. Trends Cogn. Sci. 19 414-420. 10.1016 / j.tics.2015.05.005 [PMC gratis artikel] [PubMed] [Kruis Ref]
Dye MWG, Green CS, Bavelier D. (2009). Verhoogde snelheid van verwerking met actievideogames. Curr. Dir. Psychol. Sci. 18 321-326. 10.1111 / j.1467-8721.2009.01660.x [PMC gratis artikel] [PubMed] [Kruis Ref]
Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X., et al. (2014). Verstoring van functionele netwerken bij dyslexie: een analyse van de connectiviteit op basis van volledige hersenen en gegevens. Biol. Psychiatrie 76 397-404. 10.1016 / j.biopsych.2013.08.031 [PMC gratis artikel] [PubMed] [Kruis Ref]
Fornito A., Bullmore ET (2015). Connectomics: een nieuw paradigma voor het begrijpen van hersenziekte. EUR. Neuropsychopharmacol. 25 733-748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Kruis Ref]
Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Algemene en specifieke functionele connectiviteitsstoornissen bij schizofrenie in de eerste episode tijdens cognitieve controleprestaties. Biol. Psychiatrie 70 64-72. 10.1016 / j.biopsych.2011.02.019 [PMC gratis artikel] [PubMed] [Kruis Ref]
Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008). Neurale mechanismen, temporele dynamica en individuele verschillen in interferentiecontrole. J. Cogn. Neurosci. 20 1854-1865. 10.1162 / jocn.2008.20122 [PubMed] [Kruis Ref]
Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Het globale signaal en waargenomen anticorrelerende rusttoestand hersenkanalen. J. Neurophysiol. 101 3270-3283. 10.1152 / jn.90777.2008 [PMC gratis artikel] [PubMed] [Kruis Ref]
Fransson P., Marrelec G. (2008). De precuneus / posterieure cingulate cortex speelt een cruciale rol in het standaardmodusnetwerk: bewijs van een gedeeltelijke correlatie-netwerkanalyse. NeuroImage 42 1178-1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Kruis Ref]
Goldstein RZ, Volkow ND (2011). Dysfunctie van de prefrontale cortex in verslaving: neuro-imaging bevindingen en klinische implicaties. Nat. Rev Neurosci. 12 652-669. 10.1038 / nrn3119 [PMC gratis artikel] [PubMed] [Kruis Ref]
Green CS, Bavelier D. (2003). Actiegamespel wijzigt visuele selectieve aandacht. NATUUR 423 534-537. 10.1038 / nature01647 [PubMed] [Kruis Ref]
Green CS, Pouget A., Bavelier D. (2010). Verbeterde probabilistische gevolgtrekking als een algemeen leermechanisme met actie-videogames. Curr. Biol. 20 1573-1579. 10.1016 / j.cub.2010.07.040 [PMC gratis artikel] [PubMed] [Kruis Ref]
Green CS, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). Het effect van actie video game-ervaring op taakomschakeling. Comput. Brommen. Behav. 28 984-994. 10.1016 / j.chb.2011.12.020 [PMC gratis artikel] [PubMed] [Kruis Ref]
Griffiths MD, Pontes HM (2014). Internetverslavingsstoornis en internetgokkenstoornis zijn niet hetzelfde. J. Addict. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Kruis Ref]
Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Cluster-gebaseerde statistieken voor hersenconnectiviteit in samenhang met gedragsmaatregelen. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [PMC gratis artikel] [PubMed] [Kruis Ref]
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. 10.1089 / cyber.2009.0327 [PubMed] [Kruis Ref]
Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Geslachtsverschillen in het mesocorticolimbische systeem tijdens computerspel. J. Psychiatr. Res. 42 253-258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Kruis Ref]
Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH, et al. (2015). Een selectieve betrokkenheid van putamen-functionele connectiviteit bij jongeren met internet-gokverslaving. Brain Res. 1602 85-95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Kruis Ref]
Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH, et al. (2013). Verminderde functionele hersenconnectiviteit bij adolescenten met internetverslaving. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [PMC gratis artikel] [PubMed] [Kruis Ref]
Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., et al. (2014). Problematisch internetgebruik en problematisch online gamen zijn niet hetzelfde: bevindingen van een groot nationaal representatief adolescente monster. Cyberpsychol. Behav. Soc. Netw. 17 749-754. 10.1089 / cyber.2014.0475 [PMC gratis artikel] [PubMed] [Kruis Ref]
Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014). Veranderde hersenactivatie tijdens responsremming en foutverwerking bij proefpersonen met internetgamma: een functioneel onderzoek naar magnetische beeldvorming. EUR. Boog. Psychiatry Clin. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Kruis Ref]
Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. (2015). Veranderde grijze materiedichtheid en verstoorde functionele connectiviteit van de amygdala bij volwassenen met internetgaming-stoornis. Prog. Neuro-Psychopharmacol. Biol. Psychiatrie 57 185-192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Kruis Ref]
Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, et al. (2009). Hersenactiviteiten die verband houden met de gokdrang van online gameverslaving. J. Psychiatr. Res. 43 739-747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Kruis Ref]
Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Hersenen correleren van hunkeren naar online gamen onder cue-exposure bij proefpersonen met internetgamerverslaving en bij verwijderde onderwerpen. Addict. Biol. 18 559-569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Kruis Ref]
Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Onderzoek naar internetverslaving: een empirisch onderzoek naar afkappunten voor de chen-internetverslavingschaal. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Kruis Ref]
Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L., et al. (2014). Individuele verschillen in impulsiviteit voorspellen hoofdbeweging tijdens magnetische resonantiebeeldvorming. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [PMC gratis artikel] [PubMed] [Kruis Ref]
Koob GF, Volkow ND (2010). Neurocircuit van verslaving. Neuropsychopharmacology 35 217-238. 10.1038 / npp.2009.110 [PMC gratis artikel] [PubMed] [Kruis Ref]
Kühn S., Gallinat J. (2015). Hersenen online: structurele en functionele correlaten van gewoon internetgebruik. Addict. Biol. 20 415-422. 10.1111 / adb.12128 [PubMed] [Kruis Ref]
Kuss DJ, Griffiths MD (2012). Internetgamingverslaving: een systematische review van empirisch onderzoek. Int. J. Mental Health Addict. 10 278–296. 10.1007/s11469-011-9318-5 [Kruis Ref]
Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL, et al. (2014). Verminderde frontaal-basale ganglia-connectiviteit bij adolescenten met internetverslaving. Sci. Rep. 4: 5027 10.1038 / Srep05027 [PMC gratis artikel] [PubMed] [Kruis Ref]
Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, et al. (2015). Hersenstructuren en functionele connectiviteit geassocieerd met individuele verschillen in internettendens bij gezonde jonge volwassenen. Neuropsychologia 70 134-144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Kruis Ref]
Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, et al. (2015). Afwijkende corticostriatale functionele circuits bij adolescenten met een internetverslavingsstoornis. Voorkant. Brommen. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [PMC gratis artikel] [PubMed] [Kruis Ref]
Lin MP, Ko HC, Wu JYW (2011). Prevalentie en psychosociale risicofactoren geassocieerd met internetverslaving in een landelijk representatief staal van studenten in taiwan. Cyberpsychol. Behav. Soci. Netw. 14 741-746. 10.1089 / cyber.2010.0574 [PubMed] [Kruis Ref]
Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A., et al. (2013). Cue-reactiviteit en remming in pathologische computerspelspelers. Addict. Biol. 18 134-146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Kruis Ref]
Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). De prefrontale disfunctie bij personen met een internetgokprobleem: een meta-analyse van functionele magnetische resonantie beeldvormingstudies. Addict. Biol. 20 799-808. 10.1111 / adb.12154 [PubMed] [Kruis Ref]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Het cerebellum en de verslaving: inzichten opgedaan met neuroimaging-onderzoek. Addict. Biol. 19 317-331. 10.1111 / adb.12101 [PMC gratis artikel] [PubMed] [Kruis Ref]
Naqvi NH, Bechara A. (2009). Het verborgen eiland van verslaving: de insula. Trends Neurosci. 32 56-67. 10.1016 / j.tins.2008.09.009 [PMC gratis artikel] [PubMed] [Kruis Ref]
Nichols TE, Holmes AP (2002). Niet-parametrische permutatietests voor functionele neuroimaging: een primer met voorbeelden. Brommen. Brain Mapp. 15 1-25. 10.1002 / hbm.1058 [PubMed] [Kruis Ref]
OReilly M. (1996). Internetverslaving: een nieuwe stoornis komt in het medische lexicon. Kan. Med. Associ. J. 154 1882-1883. [PMC gratis artikel] [PubMed]
Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Is het internet gaming-verslaafd brein in de buurt van in een pathologische toestand? Addict. Biol. [Epub ahead of print] .10.1111 / adb.12282 [PubMed] [Kruis Ref]
Petry NM, O'Brien CP (2013). Internet gaming disorder en de DSM-5. Addiction 108 1186-1187. 10.1111 / add.12162 [PubMed] [Kruis Ref]
Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T., et al. (2014). Een internationale consensus voor het beoordelen van internetgaming-problemen met de nieuwe DSM-5-aanpak. Addiction 109 1399-1406. 10.1111 / add.12457 [PubMed] [Kruis Ref]
Rorden C., Karnath HO, Bonilha L. (2007). Verbetering van de symptoomomschrijving van de laesie. J. Cogn. Neurosci. 19 1081-1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Kruis Ref]
Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A., et al. (2012). Trouble at rest: hoe correlatiepatronen en groepsverschillen vervormd raken na globale signaalregressie. Brain Connect. 2 25-32. 10.1089 / brain.2012.0080 [PMC gratis artikel] [PubMed] [Kruis Ref]
Song XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, et al. (2011). REST: een toolkit voor verwerking van magnetische gegevensverwerking in de rusttoestand-functionele magnetische resonantie. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [PMC gratis artikel] [PubMed] [Kruis Ref]
Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Knopen definiëren in complexe hersennetwerken. Voorkant. Comput. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [PMC gratis artikel] [PubMed] [Kruis Ref]
Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L., et al. (2012). Hersenen fMRI-onderzoek naar hunkering veroorzaakt door cuebeelden bij online game-verslaafden (mannelijke adolescenten). Behav. Brain Res. 233 563-576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Kruis Ref]
Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y., et al. (2014). Associatie tussen functionele connectiviteit in rusttoestand en empathie / systematisering. NeuroImage 99 312-322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Kruis Ref]
Talati A., Hirsch J. (2005). Functionele specialisatie binnen de mediale frontale gyrus voor perceptuele go / no-go-beslissingen op basis van "wat," "wanneer" en "waar" -gerelateerde informatie: een fMRI-onderzoek. J. Cogn. Neurosci. 17 981-993. 10.1162 / 0898929054475226 [PubMed] [Kruis Ref]
Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N., 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. 10.1006 / nimg.2001.0978 [PubMed] [Kruis Ref]
van den Heuvel MP, Pol HEH (2010). Onderzoek naar het breinennetwerk: een bespreking van de functionele fmri-connectiviteit in rusttoestand. EUR. Neuropsychopharmacol. 20 519-534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Kruis Ref]
Volkow ND, Fowler JS (2000). Verslaving, een ziekte van dwang en drive: betrokkenheid van de orbitofrontale cortex. Cereb. schors 10 318-325. 10.1093 / cercor / 10.3.318 [PubMed] [Kruis Ref]
Volkow ND, Fowler JS, Wang GJ (2003). Het verslaafde menselijke brein: inzichten uit beeldvormingsstudies. J. Clin. Investig. 111 1444-1451. 10.1172 / Jci200318533 [PMC gratis artikel] [PubMed] [Kruis Ref]
Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Verslaving: verminderde beloningsgevoeligheid en verhoogde gevoeligheid van de verwachting samenzweren om het controlecircuit van de hersenen te overweldigen. Bioessays 32 748-755. 10.1002 / bies.201000042 [PMC gratis artikel] [PubMed] [Kruis Ref]
Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, et al. (2006). Cocaïne aanwijzingen en dopamine in dorsale striatum: mechanisme van verlangen bij cocaïneverslaving. J. Neurosci. 26 6583-6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Kruis Ref]
Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, et al. (2015). Verminderde interhemispherische functionele connectiviteit tussen prefrontale kwab bij adolescenten met internetgaming: een primaire studie met fMRI in rusttoestand. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [PMC gratis artikel] [PubMed] [Kruis Ref]
Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., et al. (2014). Verstoord hersenfunctioneel netwerk bij internetverslavingsstoornis: een rusttoestand functionele magnetische resonantie beeldvormingsstudie. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [PMC gratis artikel] [PubMed] [Kruis Ref]
Weissenbacher A., Kasess C., Gerstl F., Lanzenberger R., Moser E., Windischberger C. (2009). Correlaties en anticorrelaties in functionele connectiviteit in rusttoestand MRI: een kwantitatieve vergelijking van voorbewerkingsstrategieën. NeuroImage 47 1408-1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Kruis Ref]
Xia M., Wang J., He Y. (2013). BrainNet Viewer: een hulpmiddel voor netwerkvisualisatie voor connectomics van menselijke hersenen. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [PMC gratis artikel] [PubMed] [Kruis Ref]
Yan C., Zang Y. (2010). DPARSF: een MATLAB-toolbox voor "pijplijn" -gegevensanalyse van fMRI in rusttoestand. Voorkant. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [PMC gratis artikel] [PubMed] [Kruis Ref]
Yarkoni T., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Grootschalige geautomatiseerde synthese van menselijke functionele neuroimaging-gegevens. Nat. methoden 8 665-670. 10.1038 / nmeth.1635 [PMC gratis artikel] [PubMed] [Kruis Ref]
Yeo BTT, Krienen FM, Sepulcre J., Sabuncu MR, Lashkari D., Hollinshead M., et al. (2011). De organisatie van de menselijke hersenschors geschat door intrinsieke functionele connectiviteit. J. Neurophysiol. 106 1125-1165. 10.1152 / jn.00338.2011 [PMC gratis artikel] [PubMed] [Kruis Ref]
Young KS (1998). Internetverslaving: de opkomst van een nieuwe klinische stoornis. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Kruis Ref]
Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C., et al. (2015). Interacties tussen kernhersennetwerken en cognitieve controle bij personen met internet-gokkenstoornissen in de late adolescentie / vroege volwassenheid. Brain Struct. Funct. [Epub ahead of print] .10.1007 / s00429-014-0982-7 [PubMed] [Kruis Ref]
Zalesky A., Fornito A., Bullmore ET (2010a). Statistiek op netwerkbasis: het identificeren van verschillen in hersennetwerken. NeuroImage 53 1197-1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Kruis Ref]
Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C., et al. (2010b). Geheel-hersen anatomische netwerken: is de keuze van knopen van belang? NeuroImage 50 970-983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Kruis Ref]
Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L., et al. (2015). Veranderde rust-staat functionele connectiviteit van de insula bij jongvolwassenen met internet-gokverslaving. Addict. Biol. [Epub ahead of print] .10.1111 / adb.12247 [PMC gratis artikel] [PubMed] [Kruis Ref]
Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. (2011). Afwijkingen van grijze stof bij internetverslaving: een op voxel gebaseerde morfometrie-studie. EUR. J. Radiol. 79 92-95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Kruis Ref]