PLoS ONE. 2013 Nov 4;8(11):e78708.
doi: 10.1371 / journal.pone.0078708. eCollection 2013.
Yuan K1, Jin C, Cheng P, Yang X, Dong T, Bi Y, Xing L, von Deneen KM, Yu D, Liu J, Liang J, Cheng T, Qin W, Tian J.
Abstrakcyjny
Większość wcześniejszych badań neuroobrazowych wykazała zarówno strukturalne, jak i związane z zadaniami nieprawidłowości funkcjonalne u młodzieży z uzależnieniem od gier online (OGA). Jednak niewiele badań z wykorzystaniem funkcjonalnego rezonansu magnetycznego (fMRI) skupiało się na regionalnej intensywności spontanicznych wahań zależnych od poziomu tlenu we krwi (BOLD) podczas stanu spoczynku, a mniej badań badało związek między nieprawidłowymi właściwościami stanu spoczynkowego a zaburzoną kontrolą poznawczą umiejętność. W niniejszym badaniu zastosowaliśmy metodę amplitudy fluktuacji niskiej częstotliwości (ALFF) w celu zbadania lokalnych cech spontanicznej aktywności mózgu u młodzieży z OGA i zdrowymi kontrolami w stanie spoczynku. W badaniu wzięło udział osiemnastu nastolatków z dobrymi ochotnikami o OGA i 18 dobranymi pod względem wieku, wykształcenia i płci. W porównaniu ze zdrowymi kontrolami, młodzież z OGA wykazała znaczny wzrost wartości ALFF w lewej środkowej korze oczodołowo-czołowej (OFC), lewy precuneus, lewy uzupełniający obszar motoryczny (SMA), prawy zakręt przyhipokampowy (PHG) i obustronny obręcz środkowy kora mózgowa (MCC). Nieprawidłowości w tych regionach wykryto również w poprzednich badaniach nad uzależnieniami. Co ważniejsze, odkryliśmy, że wartości ALFF lewego środkowego OFC i lewego precuneus były dodatnio skorelowane z czasem trwania OGA u młodzieży z OGA. Wartości ALFF lewego środkowego OFC były również skorelowane z wynikami testu kolorowego słowa Stroopa. Nasze wyniki sugerują, że nieprawidłowa spontaniczna aktywność neuronalna tych regionów może być związana z leżącą u podstaw patofizjologią OGA.
Wprowadzenie
Uzależnienie od gier online (OGA) definiuje się jako niewłaściwe wykorzystanie Internetu i niezdolność jednostki do kontrolowania korzystania z Internetu, które zostało sklasyfikowane jako jeden z rodzajów zaburzeń kontroli impulsów [1]-[3]. Dane z China Youth Internet Association (ogłoszenie 2 z lutego, 2010) pokazały, że wskaźnik zachorowań OGA wśród chińskiej młodzieży miejskiej wynosi 14%. Jako jeden z powszechnych problemów zdrowia psychicznego wśród chińskiej młodzieży, OGA wiąże się z upośledzeniem psychicznego samopoczucia jednostki, niepowodzeniem akademickim i zmniejszeniem wydajności pracy [4], który obecnie staje się coraz poważniejszym problemem zdrowotnym u młodzieży na całym świecie [5], [6]. Podczas gdy OGA nie jest jeszcze oficjalnie skodyfikowana w ramach psychopatologicznych, liczne badania młodzieży OGA ujawniły strukturalne i funkcjonalne nieprawidłowości w korze oczodołowo-czołowej (OFC), uzupełniającym obszarze motorycznym (SMA), korze zakrętu obręczy, zakręcie przyhipokampowym (PHG), grzbietowo-bocznej korze przedczołowej (DLPFC), precuneus, zakręt skroniowy, wyspa i móżdżek [1], [2] Nieprawidłowości w tych regionach były związane z nadużywaniem substancji przez liczne badania nad uzależnieniami [7]i może być związane z dysfunkcjami w kontroli poznawczej, kontroli wykonawczej, głodzie, wrażliwości na nagrody, zachowaniu ukierunkowanym na cel i pamięci roboczej u nastolatków OGA [1].
Chociaż OGA powoduje indywidualne i społeczne obciążenie, obecnie nie ma znormalizowanego leczenia OGA [8]. Poradnie w Chinach wdrożyły zaplanowane harmonogramy, ścisłą dyscyplinę i leczenie prądem elektrycznym oraz zyskały rozgłos dzięki tym metodom leczenia [4]. Opracowanie skutecznych metod interwencji i leczenia OGA będzie wymagało jasnego zrozumienia mechanizmów leżących u podstaw tego stanu. Do tej pory większość badań OGA skupiała się na wykrywaniu deficytów strukturalnych i związanych z zadaniami upośledzeń funkcjonalnych u osób z OGA, które były pomocne w ocenie mechanizmów neuronalnych leżących u podstaw OGA. Jednak w niewielu badaniach oceniano zależną od poziomu tlenu (BOLD) zmianę sygnału regionalnej spontanicznej aktywności OGA w stanie spoczynku. Jako nieinwazyjne podejście, funkcjonalne rezonans magnetyczny rezonansu magnetycznego (fMRI) został wykorzystany do badania spontanicznych fluktuacji niskiej częstotliwości (LFF) w sygnałach BOLD, co pozwala uniknąć zakłóceń związanych z wydajnością i może odzwierciedlać spontaniczną aktywność neuronalną w mózgu [9], [10]. Co więcej, metoda fMRI stanu spoczynku została szeroko wykorzystana do ujawnienia wewnętrznej typowej i nietypowej architektury funkcjonalnej mózgu [10]. Nieprawidłowa aktywność neuronalna w stanie spoczynku może służyć jako odpowiedni marker odzwierciedlający postęp i upośledzoną funkcję wykonawczą wielu chorób mózgu.
Ostatnio Liu i in. zastosował metodę regionalnej jednorodności (ReHo) i odkrył, że ludzie z OGA wykazywali znaczny wzrost wartości ReHo w zakręcie prawego zakrętu obręczy, obustronnym obrzęku okrężnicy, lewostronnym zakręcie i lewym górnym zakręcie czołowym [11]. Metoda ReHo odzwierciedla jednorodność czasową regionalnych LFF niezależnie od intensywności i opiera się na hipotezie, że sąsiadujące przestrzennie woksele powinny mieć podobne wzorce czasowe [12]. Chociaż uważa się, że amplituda LFF (ALFF) jest związana z lokalną aktywnością neuronalną, podstawa zmian ALFF w OGA pozostaje niejasna [13]. Ponadto Liu i in. [11] nie zbadał związku między nieprawidłowymi właściwościami stanu spoczynkowego a czasem trwania OGA. W celu dalszego zbadania nieprawidłowości stanu spoczynkowego u młodzieży z OGA zastosowano metodę ALFF w niniejszym badaniu, a dane dotyczące czasu trwania OGA zostały zebrane. Ponadto naukowcy wykryli upośledzoną zdolność kontroli poznawczej u młodzieży z OGA za pomocą kolorowego zadania Stroop [14], [15]. W związku z tym ocena behawioralna w niniejszym badaniu dotyczyła wydajności zadania kolorowego Stroop. Powiązanie wyników neuroobrazowania z dobrze zdefiniowanymi wskaźnikami behawioralnymi, o których wiadomo, że wpływają na OGA, będzie kolejnym wskaźnikiem znaczenia tych wyników dla OGA.
Materiały i Metody
Wszystkie procedury badawcze zostały zatwierdzone przez West China Hospital Subcommittee on Human Studies i zostały przeprowadzone zgodnie z Deklaracją Helsińską. Wszyscy uczestnicy i ich opiekunowie w naszym badaniu wyrazili pisemną świadomą zgodę.
Tematy
Według zmodyfikowanego kwestionariusza Young Diagnostic Questionnaire (YDQ) dla kryteriów OGA autorstwa Beard and Wolf [8], [16], dwudziestu studentów z OGA zostało odfiltrowanych od studentów pierwszego roku i drugiego roku 165. Osiemnastu nastolatków z OGA (mężczyźni 12, średni wiek = 19.4 ± 3.1 lat, edukacja 13.4 ± 2.5 lat) wzięło udział w naszym badaniu, wykluczając dwóch leworęcznych graczy. Aby zbadać, czy wystąpiły liniowe zmiany w strukturze mózgu, czas trwania choroby oszacowano za pomocą retrospektywnej diagnozy. Poprosiliśmy uczestników, aby przypomnieli sobie ich styl życia, kiedy początkowo byli uzależnieni od swojej gry głównie online, tj. World of Warcraft (WOW). Aby zagwarantować, że cierpią z powodu OGA, przetestowaliśmy je ponownie za pomocą kryteriów YDQ zmodyfikowanych przez Beard and Wolf. Wiarygodność raportów z badań OGA została również potwierdzona przez rozmowę telefoniczną z rodzicami oraz współlokatorami i kolegami z klasy.
W naszym badaniu wzięło również udział 18 zdrowych i dopasowanych pod względem płci kontrolnych (samce 12 i samice 6, średni wiek = 19.5 ± 2.8 lat, edukacja 13.3 ± 2.0) bez osobistej lub rodzinnej historii zaburzeń psychicznych. Według wcześniejszych badań OGA wybraliśmy zdrowe kontrole, które spędzały mniej niż 2 godzin dziennie w Internecie [4]. Zdrowe kontrole były również testowane z kryteriami YDQ zmodyfikowanymi przez Bearda i Wolfa, aby upewnić się, że nie cierpią na OGA. Wszyscy rekrutowani uczestnicy zostali sprawdzeni przez rodzimych praworęcznych Chińczyków i zostali oceniani za pomocą osobistego raportu i kwestionariusza Edinburgh Handedness. Kryteriami wykluczającymi dla obu grup były 1) istnienie zaburzenia neurologicznego ocenianego przez Structured Clinical Interview do Diagnostic and Statistical Manuał of Mental Disorders, wydanie czwarte (DSM-IV); 2) nadużywanie alkoholu, nikotyny lub narkotyków za pomocą badań przesiewowych leków na mocz; 3) ciąża lub miesiączka u kobiet; i 4) wszelkie choroby fizyczne, takie jak guz mózgu, zapalenie wątroby lub padaczka, zgodnie z oceną kliniczną i dokumentacją medyczną. Skalę Hamiltona (HAMA) i inwentarz depresji Becka-II (BDI) wykorzystano do oceny stanów emocjonalnych wszystkich uczestników w ciągu poprzednich dwóch tygodni. Bardziej szczegółowe informacje demograficzne są podane w Tabela 1.
Zbieranie danych behawioralnych
Według poprzedniego badania [17], projekt zadania kolorowego Stroop został zaimplementowany przy użyciu oprogramowania E-prime 2.0 (http://www.pstnet.com/eprime.cfm). W tym zadaniu zastosowano konstrukcję blokową z trzema warunkami, tj. Przystającymi, niezgodnymi i spoczynkowymi. Trzy słowa: czerwony, niebieski i zielony były wyświetlane w trzech kolorach (czerwonym, niebieskim i zielonym) jako bodźce przystające i niezgodne. Podczas odpoczynku na środku ekranu wyświetlany był krzyż, a badani musieli patrzeć na ten krzyż, nie odpowiadając. Wszystkie zdarzenia zostały zaprogramowane w dwóch seriach z różnymi sekwencjami przystających i niespójnych bloków. Każdy uczestnik został poinstruowany, aby reagować na wyświetlany kolor tak szybko, jak to możliwe, naciskając przycisk na Serial Response Box ™ prawą ręką. Naciśnięcie przycisku przez palec wskazujący, środkowy i pierścieniowy odpowiada odpowiednio czerwonemu, niebieskiemu i zielonemu. Uczestnicy byli testowani indywidualnie w cichym pokoju, kiedy byli w spokojnym stanie umysłu. Po początkowej praktyce dane behawioralne zebrano dwa lub trzy dni przed skanowaniem MRI.
Akwizycje danych MRI
Wszystkie badania fMRI przeprowadzono na skanerze 3-T GE (EXCITE, GE Signa, Milwaukee, WI, USA) przy użyciu standardowej cewki głowicy klatki piersiowej jako ośmiokanałowej cewki głowicy fazowej w ośrodku badawczym MR Huaxi, Chengdu, Chiny . Piankowe podkładki zostały użyte do zmniejszenia ruchu głowy i hałasu skanera. Po konwencjonalnym skanowaniu lokalizatora, obrazy ważone T1 uzyskano za pomocą zepsutej sekwencji przywracania gradientu (czas powtarzania (TR) = 1900 ms; czas echa (TE) = 2.26 ms; kąt odwrócenia (FA) = 9 °; pole widzenia ( FOV) = 256 × 256 mm2; macierz danych = 256 × 256; slices = 176; rozmiar woksela = 1 × 1 × 1 mm3). Następnie obrazy funkcjonalne w stanie spoczynku uzyskano stosując sekwencję obrazowania echo-planarnego (TR = 2000ms; TE = 30ms; FA = 90 °; FOV = 240 × 240 mm2; macierz danych = 64 × 64) z osiowymi plastrami 32 (grubość wycinka = 5 mm i brak odstępu między warstwami, całkowita objętość = 180) w jednym cyklu sześciu minut. Badani zostali poinstruowani, aby zamknęli oczy, trzymali się nieruchomo i nie myśleli o niczym systematycznie podczas skanowania. Pod koniec zbierania danych wszyscy badani potwierdzili, że nie spali przez cały okres skanowania.
Wstępne przetwarzanie danych i obliczanie ALFF
Wszystkie funkcjonalne przetwarzanie obrazu przeprowadzono za pomocą statystycznego mapowania parametrycznego (SPM5, http://www.fil.ion.ucl.ac.uk/spm) oprogramowanie i oprogramowanie do przetwarzania danych dla oprogramowania fMRI (DPARSF) dla stanu spoczynkowego [18]. Dla każdego uczestnika odrzucono pierwsze dziesięć punktów czasowych, aby uniknąć przejściowych zmian sygnału, zanim magnetyzacja osiągnęła stan ustalony i umożliwić przyzwyczajenie się do środowiska skanowania fMRI. Pozostałe woluminy mózgu 170 zostały skorygowane o czas cięcia i dostosowane do korekcji ruchu głowy. Żaden z badanych nie miał ruchu głowy przekraczającego 1 mm ruchu lub 1 ° obrotu w dowolnym kierunku. Następnie wszystkie wyrównywane obrazy zostały przestrzennie znormalizowane do szablonu Montreal Neurological Institute (MNI) EPI, ponownie próbkowane do izotopowych wokseli 3 mm, a następnie wygładzone przestrzennie (pełna szerokość przy połowie maksimum = 8 mm). Następnie wywołując funkcje w zestawie analizy danych fMRI stanu spoczynkowego (REST, http://rest.restfmri.net), usuwanie trendu liniowego i filtrowanie pasmowo-przepustowe (0.01 – 0.08 Hz) w celu zmniejszenia wpływu dryftu niskiej częstotliwości i szumu fizjologicznego wysokiej częstotliwości [18] zostały wykonane na szeregach czasowych.
Po wstępnym przetworzeniu obliczenia ALFF przeprowadzono za pomocą DPARSF, wywołując funkcje w REST, jak w poprzednich badaniach [19]. Po pierwsze, w celu uzyskania widma mocy, przefiltrowane szeregi czasowe zostały przekształcone w dziedzinę częstotliwości za pomocą szybkiej transformaty Fouriera (FFT). Następnie pierwiastek kwadratowy widma mocy uzyskano dla każdego punktu częstotliwości, aby uzyskać amplitudę częstotliwości jako funkcję częstotliwości. Wartości te, uśrednione dla 0.01 – 0.08 Hz dla każdego woksela, zostały użyte jako wartości ALFF. W konsekwencji ten uśredniony pierwiastek kwadratowy został użyty jako wartość ALFF. ALFF każdego woksela podzielono przez globalną średnią wartość ALFF w masce całego mózgu dla każdego osobnika, co doprowadziło do wystandaryzowanego ALFF każdego woksela, który miał wartość około 1.
Analiza statystyczna
Aby ocenić różnice między grupą OGA i grupą kontrolną pod względem wieku, płci, czasu trwania choroby i lat nauki, dwie próbki t-testy przeprowadzono przy użyciu SPSS 13.0 i a p> 0.05 uznano za nieistotne. Aby zbadać, które obszary miały wartości ALFF różniące się od wartości 1, jedna próbka t-test (p<0.05, skorygowany błąd rodzinny (FWE) przy użyciu SPM5 przeprowadzono w każdej grupie. Następnie dwie próbki t-test przeprowadzono w celu wyjaśnienia różnic ALFF między dwiema grupami po uwzględnieniu wieku i płci. Korektę dla wielokrotnych porównań przeprowadzono za pomocą symulacji Monte Carlo. Skorygowany próg p<0.05 wyprowadzono z połączonego progu wynoszącego p<0.005 dla każdego woksela i minimalny rozmiar klastra 351 mm3 (Program AlphaSim w oprogramowaniu AFNI, http: // afni.nimh.nih.gov/). Dla regionów mózgu, w których pacjenci OGA wykazywali nieprawidłowe właściwości ALFF, wartości ALFF każdego regionu ekstrahowano, uśredniano i zmniejszano względem wskaźników patologicznych odzwierciedlonych przez czas trwania choroby i wyniki zadania kolorowego słowa Stroop.
Efekt
Nasze wyniki pokazały, że tempo OGA było o 12.1% w naszym małym badaniu próbek. Zgodnie z ich raportem dotyczącym korzystania z Internetu, uczestnicy OGA spędzili 10.2 ± 2.6 godziny dziennie i 6.3 ± 0.5 dni w tygodniu w grach online. Młodzież z OGA spędzała w Internecie więcej godzin dziennie i więcej dni w tygodniu niż kontrole (p<0.005) (Tabela 1).
Wyniki danych behawioralnych
Obie grupy wykazywały znaczący efekt Stroopa, gdzie czas reakcji był dłuższy podczas niezgodnego niż przystający (OGA: 677.3 ± 75.4 ms vs 581.2 ± 71.6 ms i kontroli: 638.3 ± 65.9 ms vs 549.0 ± 50.6 ms; p<0.005). Grupa OGA popełniła więcej błędów niż grupa kontrolna podczas niespójnego stanu (8.56 ± 4.77 vs 4.56 ± 2.93; p<0.05), chociaż opóźnienie odpowiedzi mierzone czasem reakcji (RT) w warunkach niespójnych minus warunki przystające nie różniło się istotnie między tymi dwiema grupami (98.2 ± 40.37 ms vs 91.92 ± 45.87 ms; p > 0.05).
Wyniki danych obrazowych
Mapy ALFF zarówno grupy OGA, jak i grupy kontrolnej są przedstawione w Rys. 1obie grupy wykazywały istotnie wyższe wartości ALFF w korze tylnego zakrętu obręczy (PCC) / precuneus, przyśrodkowej korze przedczołowej (MPFC) i obustronnym dolnym płacie ciemieniowym (IPL) podczas stanu spoczynku. Regiony te są w dużej mierze włączone do domyślnej sieci trybów w poprzednich badaniach [19]. Dwie próbki t-test kontrolujący wiek i płeć i skorygowany dla porównań wielokrotnych (przy użyciu symulacji Monte Carlo najmniejszego rozmiaru klastra dającego skorygowany próg p <0.05 z nieskorygowanego progu p <0.005 dla każdego woksela) wykazał, że grupa OGA wykazała znaczące wzrosty w wartościach ALFF w lewym przyśrodkowym OFC, lewym przedkrzewie, lewym SMA, prawym PHG i obustronnym MCC w porównaniu z grupą kontrolną. Nie znaleziono regionów mózgu ze zmniejszonymi wartościami ALFF. Dodatkowo zaobserwowano istotnie dodatnią korelację między czasem trwania OGA a standaryzowanymi wartościami ALFF w lewej środkowej części OFC (r = 0.6627, p = 0.0027) i lewy przedskórny (r = 0.5924, p = 0.0096, XNUMX) (Rys. 2). Stwierdzono, że wartości ALFF lewego OFC są skorelowane z liczbą błędów odpowiedzi podczas niespójnego stanu wśród młodzieży z OGA (r = 0.6690, p = 0.0024, XNUMX) (Rys. 3). Ponieważ badani z OGA mieli znacznie wyższe oceny depresji mierzone za pomocą BDI, ponownie przeanalizowaliśmy dane obrazowania funkcjonalnego, wykorzystując BDI jako współzmienną. Otrzymane dane były podobne do oryginalnych danych. Zbadaliśmy również, czy wyniki BDI korelowały z wartościami ALFF nieprawidłowych obszarów mózgu, czasem trwania OGA i wydajnością zadania kolorowego słowa Stroop. Nie zaobserwowano jednak istotnych wyników.
Dyskusja
W bieżącym badaniu zastosowano metodę ALFF w celu zbadania różnic stanu spoczynkowego między pacjentami z OGA i normalnymi kontrolami. ALFF jest łatwą i przekonującą metodą pomiaru amplitudy fluktuacji o niskiej częstotliwości w sygnale BOLD, a wcześniejsze badania wykazały zdolność tej metody do precyzyjnego określenia, który region mózgu ma nieprawidłową aktywność spontaniczną [13]. W każdej grupie zidentyfikowaliśmy niektóre regiony wykazujące znacznie wyższe wartości ALFF niż inne regiony mózgu podczas stanu spoczynku (Rys. 1). Regiony te w znacznym stopniu pokrywały się z głównymi regionami sieci trybu domyślnego (DMN) [20]. W odniesieniu do dwóch próbek t- wyniki testu, w odniesieniu do zdrowych kontroli, młodzieży z OGA wykazały zwiększone ALFF w lewej środkowej OFC, lewe precuneus, lewe SMA, prawe PHG i dwustronne MCC podczas stanu spoczynku (Rys. 2). Warto zauważyć, że osoby z OGA miały znacznie wyższe oceny depresji w BDI, jednak analiza obejmująca BDI jako zmienną towarzyszącą ujawniła podobne wyniki. Ponadto wartości ALFF lewego środkowego OFC i precuneus były dodatnio skorelowane z czasem trwania OGA (Rys. 2). Ponadto, aby potwierdzić upośledzoną zdolność kontroli poznawczej u młodzieży z OGA, w naszym badaniu zastosowano test kolorowego słowa Stroop. Zgodnie z wcześniejszymi ustaleniami [14], [15], grupa OGA popełniła więcej błędów niż grupa kontrolna podczas niespójnego stanu, co wykazało, że młodzież z OGA wykazywała upośledzoną zdolność kontroli poznawczej, jak zmierzono w teście Stroopa. Co ciekawe, wartości ALFF lewego OFC były również skorelowane z liczbą błędów podczas niespójnego stanu wśród młodzieży z OGA (Rys. 3). Nasze wyniki sugerują, że zmiany ALFF w OFC mogą służyć jako biomarker odzwierciedlający upośledzoną zdolność kontroli poznawczej OGA.
W niniejszym badaniu odkryliśmy, że wartości ALFF wzrosły w lewym środkowym OFC w grupie OGA. Anatomicznie, OFC ma rozległe powiązania z prążkowiem i regionami limbicznymi (takimi jak ciało migdałowate), które wydają się być zaangażowane w kontrolę poznawczą zachowania ukierunkowanego na cel poprzez ocenę motywacyjnego znaczenia bodźców i wybór zachowania w celu uzyskania pożądanego wyniki. Nieprawidłowości strukturalne i dysfunkcje OFC w OGA odnotowano w poprzednich badaniach [4], [11], [15]. Park et al. używany a 18Badanie pozytonowej tomografii emisyjnej F-fluorodeoksyglukozy (PET) w celu zbadania regionalnego metabolizmu glukozy w mózgu w stanie spoczynku u młodych osób z OGA i prawidłową kontrolą oraz wykazało, że aktywność metaboliczna OFC u młodzieży z OGA była większa w porównaniu z normalnymi kontrolami [21]. Analiza ta sugerowała, że nieprawidłowa aktywność metaboliczna w obszarze OFC może być związana z upośledzeniem kontroli impulsów i przetwarzaniem nagrody u młodzieży z OGA. W odniesieniu do czynnościowych badań czynnościowych MRI, Ko i in. zidentyfikowali neuronalne substraty uzależnienia od gier online poprzez ocenę obszarów mózgu związanych z pobudzeniem wywołanym przez cue i stwierdzili, że OFC może być aktywowany nieprawidłowo u uzależnionych w porównaniu z kontrolami [22]. Podobieństwo tego odkrycia do głodu indukowanego cue w uzależnieniu od substancji [23], który sugerował, że pragnienie uzależnienia od gier i pragnienie uzależnienia od substancji może mieć te same mechanizmy neurobiologiczne. Wcześniejsze badania neuroobrazowania strukturalnego wykazały również zmniejszoną objętość istoty szarej OFC w grupie OGA [1], [4]. Zgodnie z tymi odkryciami funkcjonalnymi i strukturalnymi, nasze badanie wykazało wyższe wartości ALFF w środkowym OFC u młodzieży z OGA w porównaniu z grupą kontrolną. Co więcej, w grupie OGA zaobserwowano istotną korelację między wartościami ALFF OFC a wydajnością zadania podczas testu kolorowego słowa Stroop (Rysunek 3). Poprzednie badania nad uzależnieniem ujawniły związek między interferencją Stroopa i względnym metabolizmem glukozy w OFC wśród osób uzależnionych od kokainy [24]. Ta zależność zachowania mózgu wykazała, że nieprawidłowe właściwości stanu spoczynkowego OFC były związane z upośledzoną zdolnością kontroli poznawczej wśród młodzieży z OGA.
Wartości ALFF były większe w precuneus u osób z OGA w porównaniu z grupą kontrolną. Precuneus to obszar mózgu w korze tylno-przyśrodkowej płata ciemieniowego i odgrywa ważną rolę w podstawowym funkcjonowaniu poznawczym [25]. Zaproponowano, by precuneus był zaangażowany w epizodyczne odzyskiwanie pamięci, obrazy wizualno-przestrzenne, samo-przetwarzanie i świadomość [25]. Ostatnio niektórzy badacze zgłaszali również wzrost ReHo w lewym precuneusie u studentów OGA w porównaniu z grupą kontrolną [11]. Co więcej, badanie wykazało, że precuneus był związany z chęcią gry, pragnieniem i dotkliwością OGA, i zasugerował, że precuneus aktywuje się, aby przetworzyć wskazówkę do gier, zintegrować odzyskaną pamięć i przyczynić się do wywołanego przez cue pragnienia gier online [26]. Dlatego sugerujemy, że nieprawidłowości stanu spoczynku precuneus u młodzieży z OGA mogą być związane z głodem w długoterminowej OGA.
Większe wartości ALFF u pacjentów z OGA, w porównaniu z grupą kontrolną, stwierdzono również w lewym SMA, obustronnym MCC i prawym PHG. SMA odgrywa ważną rolę w kontroli poznawczej, dobrowolnym działaniu, inicjowaniu / hamowaniu reakcji motorycznych [27] a także w konflikcie emocjonalnym [28]. MCC jest środkową częścią zakrętu zakrętu i ma kluczowe znaczenie dla monitorowania i przetwarzania konfliktów [29]. Poprzednie badania dotyczące stosowania substancji zgłaszały związane z uzależnieniem zaburzenia stanu spoczynkowego SMA i MCC [30], [31]. Uważa się, że PHG przyczynia się do tworzenia i utrzymywania informacji związanych w pamięci roboczej [32]. Pamięć robocza odnosi się do tymczasowego przechowywania i manipulacji informacjami w trybie on-line, a także jest kluczowa dla kontroli poznawczej [33]. Liu i in. odnotowano wzrost ReHo w dwustronnych PHG u studentów OGA w porównaniu z grupą kontrolną [11]. Co więcej, niektórzy badacze stwierdzili również niższą ułamkową anizotropię PHG u pacjentów OGA [4]. Nasze wyniki potwierdziły nieprawidłowy wzór stanu spoczynkowego PHG u młodzieży z OGA.
Podsumowując, w niniejszym badaniu zaobserwowaliśmy, że ALFF był nieprawidłowy u młodzieży z OGA w porównaniu z grupą kontrolną, tj. Wyższe wartości ALFF w lewej środkowej OFC, lewe precuneus, lewe SMA, prawe PHG i dwustronne MCC. Zaobserwowaliśmy również, że wyższe wartości ALFF w lewej środkowej OFC i lewej precuneus były dodatnio skorelowane z czasem trwania OGA. Wartości ALFF lewego OFC były skorelowane z wydajnością zadania kolorowego słowa Stroop (tj. Błędy odpowiedzi) w grupie OGA. Nasze odkrycia sugerują, że nieprawidłowa spontaniczna aktywność tych regionów może odzwierciedlać patofizjologię u użytkowników OGA. Ze względu na podobne wyniki w stanie spoczynku związane ze zmianami stanu spoczynku związanymi z uzależnieniem od narkotyków, zasugerowaliśmy, że OGA może współdzielić mechanizmy neuronalne z uzależnieniem od narkotyków. Warto zauważyć, że depresja powinna być uważana za potencjalny błąd podczas wyjaśniania wyników neuroobrazowania w bieżącym badaniu. Potrzebne są dalsze wszechstronne badania, aby zapewnić więcej naukowych perspektyw na temat OGA.
Podziękowanie
Chcielibyśmy podziękować Qin Ouyangowi, Qizhu Wu, Junranowi Zhangowi, Changjian Hu i Haifeng Luo za cenną pomoc techniczną w prowadzeniu tych badań.
Oświadczenie o finansowaniu
Niniejszy dokument jest wspierany przez projekt Narodowego Kluczowego Podstawowego Programu Badań i Rozwoju (973) w ramach Grant No. 2011CB707700; National Natural Science Foundation of China w ramach Grant Nos. 81227901, 81271644, 81271546, 30930112, 81000640, 81000641, 81101036, 81101108, 31200837, 81030027, 81301281; oraz Fundamental Research Funds dla Centralnych Uniwersytetów, Natural Science Foundation Mongolii Wewnętrznej pod Grant No. 2012MS0908. Darczyńcy nie mieli żadnej roli w projektowaniu badań, zbieraniu i analizowaniu danych, podejmowaniu decyzji o publikacji lub przygotowaniu manuskryptu.
Referencje
;
