Zmniejszona modulacja o poziom ryzyka aktywacji mózgu podczas podejmowania decyzji u nastolatków z zaburzeniami gry internetowej (2015)

 

Abstrakcyjny

Większy impuls i podejmowanie ryzyka oraz zmniejszona zdolność podejmowania decyzji zostały zgłoszone jako główne zaburzenia zachowania u osób cierpiących na zaburzenia związane z grami internetowymi (IGD), które stały się poważnym problemem zdrowia psychicznego na całym świecie. Jednak do chwili obecnej nie jest jasne, w jaki sposób poziom ryzyka moduluje aktywność mózgu podczas procesu decyzyjnego u osób z IGD. Do tego badania zrekrutowano 23 nastolatków z IGD i 24 zdrowych osób z grupy kontrolnej (HC) bez IGD, a w eksperymencie z funkcjonalnym rezonansem magnetycznym zastosowano test ryzyka analogowego balonu (BART) w celu oceny modulacji poziomu ryzyka (prawdopodobieństwa wystąpienia eksplozja balonu) na aktywność mózgu podczas podejmowania ryzykownych decyzji u nastolatków z IGD. W grupie IGD w porównaniu z HC stwierdzono zmniejszoną modulację poziomu ryzyka aktywacji prawej grzbietowo-bocznej kory przedczołowej (DLPFC) podczas aktywnego BART. W grupie IGD stwierdzono istotną ujemną korelację pomiędzy związaną z ryzykiem aktywacją DLPFC podczas aktywnego BART a wynikami w skali impulsywności Barratta (BIS-11), które były istotnie wyższe w grupie IGD w porównaniu z HC. Nasze badanie wykazało, że jako krytyczny obszar mózgu związany z podejmowaniem decyzji, prawy DLPFC jest mniej wrażliwy na ryzyko u nastolatków z IGD w porównaniu z HC, co może przyczyniać się do wyższego poziomu impulsywności u nastolatków z IGD.

Słowa kluczowe: zaburzenia związane z grami internetowymi, BART, grzbietowo-boczna kora przedczołowa, fMRI, ryzykowne podejmowanie decyzji

Wprowadzenie

Zaburzenia związane z grami internetowymi stają się coraz bardziej powszechne na całym świecie, zwłaszcza w Azji (; ) i powoduje niekorzystny wpływ na różne aspekty behawioralne i psychospołeczne (). Badania behawioralne sugerują, że zmniejszona zdolność podejmowania ryzykownych decyzji jest jednym z najważniejszych zaburzeń behawioralnych u osób z IGD (; ). Na przykład badacze odkryli, że osoby z IGD dokonały bardziej niekorzystnych wyborów w zadaniu gry w kości w porównaniu z HC i że takie upośledzenia mogą częściowo wynikać z braku wykorzystania informacji zwrotnej (; ). Co więcej, badania wykazały, że osoby z IGD w mniejszym stopniu uwzględniają wyniki doświadczeń przy podejmowaniu przyszłych decyzji (). Podejmowanie ryzykownych decyzji jest funkcją poznawczą wysokiego poziomu i jest niezbędne dla przetrwania człowieka w niepewnym środowisku (). Niechęć do ryzyka jest istotną częścią procesu decyzyjnego w normalnej populacji (). Jednak osoby z IGD mają tendencję do podejmowania niekorzystnych, ryzykownych decyzji i napotykają więcej niekorzystnych sytuacji (), co może mieć negatywny wpływ na jednostki i społeczeństwo z IGD. Dlatego ważne jest zbadanie mechanizmów neuronalnych leżących u podstaw zmienionego ryzykownego podejmowania decyzji u osób z IGD.

Obwody nerwowe związane z podejmowaniem ryzykownych decyzji szeroko badano u zdrowych osób i stwierdzono, że w podejmowaniu ryzykownych decyzji bierze udział rozproszona sieć podkorowo-korowa, składająca się głównie z obszarów przedczołowych, ciemieniowych, limbicznych i podkorowych (; ; ; ; ) i stwierdzono, że poziomy aktywacji mózgu w tych regionach są powiązane z poziomem ryzyka (; ; ; ; ). Jednak niewiele badań neuroobrazowych skupiało się na wpływie IGD na substraty neuronowe w podejmowaniu ryzykownych decyzji. Badanie fMRI przeprowadzone przez odkryli, że osoby z zaburzeniami uzależnienia od Internetu potrzebowały więcej zasobów mózgowych, aby ukończyć zadanie decyzyjne i zignorowały informacje zwrotne dotyczące poprzedniego wyniku, co jest istotną cechą ryzykownego podejmowania decyzji w HC. Badanie przeprowadzone przez ujawniło, że poziomy aktywacji lewego dolnego zakrętu czołowego i lewego zakrętu przedśrodkowego zmniejszyły się u osób z IGD podczas wykonywania zadania dyskontowania prawdopodobieństwa, co sugerowało upośledzoną ocenę ryzyka u osób z IGD. Chociaż badania te sugerują, że IGD jest powiązany z nieprawidłową aktywnością mózgu podczas ryzykownych procesów decyzyjnych, sposób, w jaki poziom ryzyka moduluje aktywację mózgu podczas podejmowania decyzji, jest nadal słabo poznany u osób z IGD. Według naszej wiedzy żadne dotychczasowe badanie nie skupiało się na kowariancji między aktywacją mózgu a poziomami ryzyka podczas procesu decyzyjnego u osób z IGD, co może pomóc w obecnym zrozumieniu mechanizmów leżących u podstaw deficytów w podejmowaniu decyzji u osób z IGD.

Do tego badania włączono 23 nastolatków z IGD i 24 HC, a dane fMRI uzyskano, podczas gdy uczestnicy wykonywali BART () w celu oceny, w jaki sposób poziom ryzyka moduluje aktywację mózgu podczas procesów decyzyjnych u nastolatków z IGD w porównaniu z HC. BART, podczas którego uczestnicy nadmuchują wirtualny balon, który może urosnąć lub eksplodować, stanowi ekologicznie uzasadniony model oceny skłonności i zachowań ludzi do podejmowania ryzyka oraz zapewnia uczestnikom wybór w zakresie określenia poziomu ryzyka dla każdego balonu; im większy balon był napompowany, tym większe ryzyko podejmowali uczestnicy. W przeciwieństwie do innych zadań związanych z ryzykiem, ryzyko w BART zostało zdefiniowane bardziej bezpośrednio i ekologicznie jako prawdopodobieństwo eksplozji każdego balonu; zatem BART ma charakter adaptacyjny, jeśli chodzi o ocenę modulacji poziomu ryzyka aktywacji mózgu podczas procesu podejmowania decyzji. Test BART został z powodzeniem zastosowany u zdrowych ochotników i wykazano, że z ryzykiem wiąże się wiele obszarów mózgu, w tym DLPFC, brzuszno-przyśrodkowa kora przedczołowa, ACC/przyśrodkowa kora czołowa, prążkowie i wyspa.; ; ; ). Test BART stosowano także w badaniach nad uzależnieniami i wykryto nieprawidłową aktywację mózgu w DLPFC i prążkowiu osób uzależnionych od metamfetaminy (), oraz w korze przedczołowej i ACC osób uzależnionych od alkoholu (; ). Jako szczególne uzależnienie behawioralne (; ), IGD może również wpływać na aktywność w obszarach mózgu związanych z ryzykiem. Dlatego w tym badaniu wykorzystaliśmy fMRI z BART, aby zbadać, czy modulacja poziomu ryzyka aktywacji mózgu podczas procesu podejmowania decyzji jest zmieniona u nastolatków z IGD w porównaniu z HC. Badanie to przyczyni się do zrozumienia neuromechanizmów podejmowania ryzyka i zachowań impulsywnych u nastolatków z IGD.

Materiały i Metody

Wybór uczestnika

Ponieważ standardy diagnostyczne IGD są nadal niejednoznaczne (; ) w tym badaniu wybrano stosunkowo rygorystyczne kryteria włączenia. Po pierwsze, YDQ dla uzależnienia od Internetu () wykorzystano do określenia obecności zaburzenia związanego z uzależnieniem od Internetu. YDQ składało się z ośmiu pytań „tak” lub „nie” dotyczących korzystania z Internetu. U uczestników, którzy zgłosili pięć lub więcej odpowiedzi „tak”, zdiagnozowano zaburzenie uzależnienia od Internetu (). Wynik 50 lub wyższy w IAT () zastosowano jako drugie kryterium włączenia. Ponadto do badania włączono wyłącznie nastolatków z IGD, którzy zgłosili, że spędzają średnio cztery lub więcej godzin dziennie na graniu w gry internetowe (>80% całkowitego czasu online). Zgodnie z tymi kryteriami włączenia do tego badania zrekrutowano 26 praworęcznych nastolatków z IGD. Do badania włączono wyłącznie mężczyzn, ze względu na stosunkowo niewielką liczbę kobiet mających doświadczenie w grach internetowych. Jako HC zrekrutowano dwudziestu pięciu uczestników płci męskiej. HC zdefiniowano jako osoby, które nie spełniały kryteriów diagnozy YDQ, spędzały mniej niż 2 godziny dziennie w Internecie i których wynik IAT był mniejszy niż 50. Wszyscy uczestnicy nie przyjmowali leków i nie zgłaszali historii nadużywania substancji psychoaktywnych lub urazy głowy. Impulsywność wszystkich uczestników oceniano za pomocą skali BIS-11 (). IQ wszystkich uczestników zostało przetestowane za pomocą SPM. Dane pochodzące od trzech z 26 nastolatków z IGD i jednego z 25 HC odrzucono z tego badania z powodu oczywistego ruchu głowy podczas eksperymentu fMRI (maksymalne przemieszczenie w dowolnym kierunku kardynalnym wynosi więcej niż 2 mm i/lub maksymalny obrót jest większy niż 2°). . Dane dotyczące pozostałych 23 nastolatków z IGD i 24 HC wykorzystano do dalszej analizy. Wiek, wykształcenie i IQ były dobrze dopasowane w obu grupach, a wyniki BIS i IAT były znacznie wyższe w grupie IGD niż w HC (Stół Table11).

Tabela 1 

Charakterystyka demograficzna i kliniczna uczestników (średnia ± SD).

Badanie to zostało zatwierdzone przez Komisję Etyczną Szpitala Ogólnego Uniwersytetu Medycznego w Tianjin i od każdego uczestnika uzyskano pisemną świadomą zgodę.

Zadanie i procedura

W niniejszym badaniu zaadaptowaliśmy wersję BART dostosowaną do fMRI stosowaną przez . W skrócie, uczestnikom zaprezentowano wirtualny balon i poproszono o naciśnięcie jednego z dwóch przycisków w celu nadmuchania (pompowania) balonu lub wypłaty gotówki. Większe balony wiązały się z większymi nagrodami i większym ryzykiem eksplozji. Uczestnicy mogą w dowolnym momencie przerwać napełnianie balonu, aby wygrać zakład, lub kontynuować napełnianie balonu do momentu eksplozji balonu, w którym to przypadku przegrywają zakład. Maksymalna liczba pompek, których uczestnicy mogli użyć do każdego balonu, wynosiła 12. Wskazówka kontrolna (kolor małego kółka zmienił się z czerwonego na zielony) została poinstruowana, aby uczestnicy rozpoczęli napełnianie. Po pomyślnym naciśnięciu przycisku i napompowaniu balonu małe kółko natychmiast zmieniało kolor na czerwony w losowych odstępach czasu od 1.5 do 2.5 sekundy. Następnie wskazówka ponownie zmieniła kolor na zielony, wskazując następny okres inflacji. Po zakończeniu każdej próby balonowej następowała również różna przerwa 2–4 ​​s przed następną próbą balonową. Obraz wygranej lub przegranej był prezentowany przez 1.5 sekundy. Obraz eksplodującego balonu prezentowany był przez 20 ms. Ryzyko eksplozji balonu (prawdopodobieństwo eksplozji balonu) zdefiniowano jako „poziom ryzyka”. Kowariancję między poziomem ryzyka a aktywacją obszarów mózgu zdefiniowano jako „modulację”.

W naszym badaniu wykorzystaliśmy dwa tryby BART: aktywny wybór i pasywny tryb bez wyboru. W trybie aktywnego wyboru uczestnicy mogli określić poziom ryzyka i zdecydować, czy napompować balon, czy też wypłacić pieniądze. Jednakże w pasywnym trybie bez wyboru uczestnicy po prostu nadmuchali balon w sposób ciągły, podczas gdy komputer określał punkt końcowy oraz wygraną lub przegraną każdego balonu. Liczba balonów, które uczestnicy ukończyli podczas skanowania, nie została z góry określona, ​​ale zależała od szybkości reakcji w trybie aktywnym lub pasywnym. Jedyną różnicą pomiędzy obydwoma trybami jest możliwość w trybie aktywnym zaprzestania inflacji i wygrania zakładu. Poziomy aktywacji mózgu w trybie aktywnego wyboru w porównaniu z pasywnym trybem braku wyboru (aktywny-pasywny) odzwierciedlają neuronalną podstawę procesu decyzyjnego. Po eksperymencie uczestnicy otrzymywali równowartość pieniędzy zarobionych podczas eksperymentu w trybie aktywnym.

Gromadzenie danych

Czynnościowy rezonans magnetyczny przeprowadzono na skanerze Siemens 3.0T (Magnetom Verio, Siemens, Erlangen, Niemcy) przy użyciu sekwencji obrazowania planarnego z przypomnieniem gradientu z następującymi parametrami: czas powtarzania (TR) = 2000 ms, czas echa (TE) = 30 ms, pole widzenia = 220 mm × 220 mm, matryca = 64 × 64, grubość plastra = 4 mm i szczelina między warstwami = 1 mm. Bodźce związane z zadaniem były wyświetlane na ekranie znajdującym się przed otworem magnesu, a uczestnicy oglądali bodźce przez lustro zainstalowane na cewce nagłownej. Uczestnicy odpowiadali na zadanie, naciskając przycisk w polu odpowiedzi zgodnym z fMRI. Formalny eksperyment przeprowadzono po tym, jak uczestnicy zapoznali się i przećwiczyli zadania. Wszyscy uczestnicy ukończyli dwa 10-minutowe biegi funkcjonalne, po jednym dla każdego trybu zadaniowego. Kolejność skanowania dwóch zadań została zrównoważona wśród uczestników w każdej grupie.

Analiza behawioralna

W eksperymencie fMRI zmienne behawioralne BART obejmowały liczbę prób, całkowitą i średnią liczbę pompek, liczbę zwycięstw i przegranych, skorygowaną liczbę pomp (zdefiniowaną jako średnia liczba pompowań z wyłączeniem balonów, które eksplodowały), nagrodę współczynnik zbierania (liczba zwycięskich prób podzielona przez liczbę wszystkich prób) i średni RT dla wszystkich pomp. Analizie poddano jedynie dane behawioralne w trybie aktywnym, ponieważ uczestnicy byli zmuszeni zaakceptować wynik określony przez komputer dla każdego balonu w trybie pasywnym. Dwie próbki t-test zastosowano do porównania różnicy w danych behawioralnych w trybie aktywnym między osobami z IGD i HC. Analizy statystyczne przeprowadzono za pomocą programu SPSS 21.0, a poziom istotności ustalono na P <0.05.

Funkcjonalne wstępne przetwarzanie danych MRI

Funkcjonalne wstępne przetwarzanie danych MRI przeprowadzono przy użyciu SPM8 (http://www.fil.ion.ucl.ac.uk/spm/software/spm8). Dla każdego uczestnika obrazy funkcjonalne skorygowano pod kątem opóźnienia czasu akwizycji pomiędzy różnymi przekrojami i skorygowano przemieszczenia geometryczne zgodnie z szacunkowym ruchem głowy. Następnie obrazy zostały ponownie dopasowane do pierwszego tomu. Na podstawie szacunków korekcji ruchu uczestnicy, którzy wykazali maksymalne przemieszczenie w którymkolwiek z kierunków x, y lub z większe niż 2 mm lub więcej niż 2° rotacji kątowej (x, y lub z), zostali wykluczeni z tego badania . Po tym etapie wszystkie ponownie wyrównane obrazy zostały znormalizowane przestrzennie do szablonu MNI EPI, ponownie próbkowane do 3 mm × 3 mm × 3 mm, a następnie wygładzone za pomocą 6 mm FWHM.

Analiza statystyczna

GLM zastosowano do indywidualnej analizy danych opartej na wokselach. Dane szeregów czasowych BOLD modelowano przy użyciu standardowego HRF z pochodną po czasie. Parametry ruchu głowy każdego pacjenta modelowano jako współzmienne nieistotne. Do usuwania wahań niskich częstotliwości zastosowano filtr górnoprzepustowy z odcięciem przy 128 s.

GLM obejmował trzy rodzaje zdarzeń wynikających z naciśnięcia przycisku: napełnienie balonu, wynik wygrany lub wynik przegranej. Zatem GLM dla zadania aktywnego lub pasywnego zawierał trzy regresory, które reprezentują odpowiednio trzy typy zdarzeń. Poziom ryzyka związany z każdą inflacją (tj. prawdopodobieństwo eksplozji, ortogonalizowane za pomocą średniej korekty centralnej) również wprowadzono do modelu jako liniową parametryczną modulację regresora inflacji balonu. Dla każdego pacjenta zdefiniowano kontrast związany z ryzykiem w zadaniach aktywnych i pasywnych, aby zbadać aktywacje mózgu, które odpowiadały poziomowi ryzyka.

Analizy efektu losowego drugiego poziomu przeprowadzono przy użyciu ANOVA 2 (grupa: IGD i HC) × 2 (tryb wyboru: aktywny i pasywny) ANOVA dla kontrastów związanych z ryzykiem z pełną silnią w SPM8 oraz kontrastów związanych z ryzykiem w tryby aktywny i pasywny u tego samego uczestnika zostały przetworzone jako powtarzane pomiary. Głównym celem tego badania była ocena różnic międzygrupowych w zakresie aktywacji mózgu związanej z ryzykiem podczas procesu podejmowania decyzji, co może odzwierciedlać aktywację obserwowaną w trybie aktywnym w porównaniu z trybem pasywnym (aktywny-pasywny). Dlatego w tym badaniu analizowano interaktywny efekt pomiędzy grupą a trybem wyboru, HC (aktywny – pasywny) – IGD (aktywny – pasywny). Dokonano korekty dla wielokrotnych porównań za pomocą symulacji Monte Carlo, w wyniku czego uzyskano skorygowany próg P < 0.05 (program AlphaSim, parametry m.in.: pojedynczy woksel P = 0.005, 1000 symulacji, pełna szerokość w połowie maksimum = 6 mm, promień połączenia klastra r = 5 mm i maska ​​globalnej istoty szarej). Obszary mózgu wykazujące efekty interaktywne uznano za obszary ROI. Wyodrębniono średnie szacunki β w ramach ROI i a post hoc t- przeprowadzono test.

Korelację pomiędzy średnimi szacunkami β w obrębie ROI, wynikami BIS i wynikami IAT zbadano za pomocą analizy korelacji Pearsona w grupie IGD za pomocą SPSS 21.0. Poziom istotności ustalono na P <0.05.

Efekt

Wyniki behawioralne

Stół Table22 pokazuje wyniki behawioralne podczas eksperymentu fMRI. Dwie próbki t-test wykazał, że średni RT był krótszy w grupie IGD niż w HC, gdy miał miejsce tryb aktywny (P = 0.03), liczba pomp ogółem była istotnie większa w grupie IGD (P < 0.001). Nie było znaczącej różnicy w skorygowanej liczbie pompek, liczbie prób, średniej liczbie pompek, liczbie zwycięstw i przegranych oraz wskaźniku zbierania nagród.

Tabela 2 

Wyniki behawioralne BART podczas eksperymentu z aktywnym funkcjonalnym rezonansem magnetycznym (fMRI) (średnia ± SD).

Wyniki obrazowania

A 2 (grupa: IGD i HC) × 2 (tryb wyboru: aktywny i pasywny) ANOVA na kontrastach związanych z ryzykiem ujawniła znaczący interaktywny wpływ na aktywację prawego DLPFC (współrzędne MNI: 24, 54, 12; woksele: 38; t = 3.78; P < 0.05, korekcja AlphaSim; Postać Figure1A1A). post hoc t-test ujawnił, że modulacja poziomu ryzyka po aktywacji prawego DLPFC była wyższa w trybie aktywnym niż w trybie pasywnym w HC, ale nie wykazała istotnej różnicy pomiędzy trybem aktywnym i pasywnym w grupie IGD. W trybie aktywnym modulacja poziomu ryzyka po aktywacji prawego DLPFC znacznie spadła w grupie IGD w porównaniu z HC (Postać Figure1B1B). Ponadto stwierdzono istotny efekt interaktywny w przypadku aktywacji lewego móżdżku (współrzędne MNI: -9, -78, -21; woksele: 72; t = 4.13; P < 0.05, korekcja AlphaSim; Postać Figure2A2A). post hoc t-test ujawnił, że różnica w modulacji poziomu ryzyka po aktywacji lewego móżdżku pomiędzy modami i pomiędzy grupami miała cechy podobne do tych obserwowanych w prawym DLPFC (Postać Figure2B2B).

RYSUNEK 1 

Różnica międzygrupowa w modulacji przez poziom ryzyka aktywacji mózgu prawej grzbietowo-bocznej kory przedczołowej (DLPFC). (A) Modulacja przez poziom ryzyka aktywacji prawego DLPFC mózgu pokazuje różnicę międzygrupową. (B) ...
RYSUNEK 2 

Różnica międzygrupowa w modulacji przez poziom ryzyka aktywacji mózgu lewego móżdżku. (A) Modulacja poziomu ryzyka aktywacji lewego móżdżku pokazuje różnicę międzygrupową. (B) Analiza ROI pokazuje, że ...

Modulacja poziomu ryzyka po aktywacji prawego DLPFC w trybie aktywnym wykazała istotnie ujemną korelację z całkowitymi wynikami BIS w grupie IGD (Postać Figure33). Nie stwierdzono istotnej korelacji pomiędzy aktywacją właściwych wyników DLPFC i IAT w grupie IGD. Ponadto nie stwierdzono istotnej korelacji między wynikami fMRI a danymi behawioralnymi podczas podejmowania decyzji.

RYSUNEK 3 

Korelacja między szacunkami β w obrębie ROI prawego DLPFC i całkowitymi wynikami w skali impulsywności Barratta (BIS) w grupie IGD.

Dyskusja

Według naszej wiedzy jest to pierwsze badanie oceniające modulację poziomu ryzyka aktywacji mózgu podczas procesu decyzyjnego u nastolatków z IGD za pomocą BART fMRI. W grupie IGD w porównaniu z HC stwierdzono zmniejszone związane z ryzykiem aktywacje prawego DLPFC podczas aktywnego podejmowania decyzji, co sugeruje, że aktywacja prawego DLPFC była mniej wrażliwa na poziom ryzyka w grupie IGD niż w HC. Modulacja ryzyka aktywacji prawego DLPFC podczas aktywnego procesu decyzyjnego była ujemnie skorelowana z wynikiem BIS w grupie IGD. Odkrycia te mogą przyczynić się do zrozumienia mechanizmów neuronalnych wyższej impulsywności u nastolatków z IGD.

Ryzykowne podejmowanie decyzji prawdopodobnie opiera się na kilku procesach mózgowych, które biorą udział w ocenie wartości i ryzyka, kontroli wykonawczej i przetwarzaniu emocji (). DLPFC to krytyczny obszar mózgu zaangażowany w kontrolę wykonawczą (; ), który reguluje zorientowane na cel, elastyczne i skuteczne zachowanie i może pośredniczyć w podejmowaniu decyzji z wyraźnym ryzykiem (; ). Zmienioną strukturę i funkcję DLPFC wykazano u osób z IGD (; ; ), co było zgodne z ustaleniami badań nad uzależnieniem od substancji (; ) i uzależnienie behawioralne (). Podczas podejmowania decyzji działalność DLPFC może pośredniczyć w integracji informacji o ryzyku i wartości (), reprezentują perspektywy, oceniają wyniki i obliczają późniejszą użyteczność (). U nastolatków z IGD zwykle występuje upośledzona zdolność kontroli wykonawczej (; ); dlatego prawdopodobne jest postulowanie, że zmniejszona aktywacja prawego DLPFC związana z ryzykiem podczas podejmowania ryzykownych decyzji u nastolatków z IGD może odzwierciedlać upośledzoną funkcję kontroli wykonawczej, która pośredniczyła w niekorzystnych wyborach w ryzykownych sytuacjach. W tym badaniu prawy, ale nie lewy DLPFC wykazał zmniejszoną aktywację związaną z ryzykiem u nastolatków z IGD w porównaniu z HC. Ta lateralność prawej i lewej strony aktywności DLPFC pośredniczącej w podejmowaniu ryzykownych decyzji została również odnotowana w innych badaniach BART fMRI (; ; ; ) oraz badania przezczaszkowej stymulacji prądem stałym (). Co więcej, tę lateralność zmniejszonej aktywacji w prawym DLPFC stwierdzono również u osób uzależnionych od narkotyków, gdy wykonywały one serię ryzykownych zadań związanych z podejmowaniem decyzji (; ; ). Podsumowując, wyniki te sugerują, że właściwy DLPFC był kluczowym regionem dla ryzykownego podejmowania decyzji, a możliwy mechanizm neuronowy leżący u podstaw zmiany aktywacji DLPFC u nastolatków z IGD może być podobny do tego u osób z problemem nadużywania substancji.

Ostatnio IGD zostało konceptualizowane jako uzależnienie behawioralne lub zaburzenie kontroli impulsów (; ) i może wiązać się z upośledzeniem funkcji hamowania (; ), co jest podobne do tego w przypadku innego uzależnienia behawioralnego (), takie jak patologiczny hazard (; ). Przegląd sugeruje, że hamowanie impulsywne jest częścią funkcji podejmowania decyzji (), a badania z powodzeniem wykazały, że DLPFC odgrywa ważną rolę w procesie hamowania impulsywnego (; ; ,; ). W bieżącym badaniu wyższe wyniki BIS-11 u osób z IGD w porównaniu z HC sugerowały wyższą impulsywność u nastolatków z IGD, co było zgodne z wynikami innych badań dotyczących kontroli impulsywności u osób z IGD (; ; ). Dlatego zmniejszona modulacja poziomu ryzyka aktywacji prawego DLPFC u nastolatków z IGD w naszym badaniu może być związana z zaburzeniami hamowania impulsywnego. Ponadto stwierdzono istotną ujemną korelację między zmniejszoną modulacją poziomu ryzyka po aktywacji prawego DLPFC podczas aktywnego wyboru a wynikiem BIS-11 u nastolatków z IGD, co oznacza, że ​​młodzież z IGD o wyższej impulsywności wykazywała niższą modulację poziom ryzyka w przypadku aktywacji odpowiedniego DLPFC w procesie decyzyjnym. Właściwa aktywacja DLPFC była mniej wrażliwa na ryzyko podczas procesu decyzyjnego u nastolatków z IGD o wyższych skłonnościach impulsywnych. Zmniejszona modulacja poziomu ryzyka w przypadku aktywacji prawego DLPFC u nastolatków z IGD może pośredniczyć w ignorowaniu ryzyka.

Nasze badanie wykazało, że oprócz prawego DLPFC, modulacja poziomu ryzyka aktywacji lewego móżdżku również spadła podczas aktywnego procesu decyzyjnego w grupie IGD. Chociaż w poprzednich badaniach fMRI z użyciem BART zgłaszano zmiany w aktywacji móżdżku (; ,; ) i inne zadania związane z procesami decyzyjnymi (; ), mechanizm neuronowy nie został jednoznacznie określony. Poprzednie badania wykazały, że móżdżek jest kluczowym elementem w przypadku uzależnień (; ) oraz objętość istoty szarej móżdżku, zwłaszcza lewego móżdżku, zmniejszona u osób z zaburzeniami substancji (). Ponadto zmniejszona objętość istoty szarej () oraz zwiększoną jednorodność regionalną () w lewym móżdżku zgłaszano także u osób z IGD. Dlatego warto przeprowadzić dalsze badania dotyczące związku między aktywnością móżdżku a podejmowaniem ryzykownych decyzji u osób z IGD.

W niniejszym badaniu należy wziąć pod uwagę kilka ograniczeń. Po pierwsze, wielkość próbki była stosunkowo mała, co może zmniejszyć moc i nie wykryć niektórych aktywacji mózgu o niewielkim znaczeniu. Po drugie, maksymalna liczba możliwych pompek balonowych w tym zmodyfikowanym zadaniu BART została zmniejszona do 12, a większość uczestników wykonała tylko około 30 prób balonowych w ciągu 10 minut skanowania BOLD. Zatem ograniczenia nieodłącznie związane z tym projektem eksperymentu mogły zmniejszyć czułość wykrywania różnic międzygrupowych w wynikach behawioralnych (). Wreszcie, w tym badaniu przekrojowym nie można określić związku przyczynowego między zmienioną aktywacją mózgu a IGD. W ocenie tej zależności pomocne może być badanie podłużne.

Wnioski

Uważa się, że jest to pierwsze badanie sprawdzające modulację poziomu ryzyka aktywacji mózgu podczas procesu podejmowania decyzji za pomocą BART u nastolatków z IGD. Nasze badanie wykazało, że modulacja poziomu ryzyka aktywacji prawego DLPFC zmniejszyła się u nastolatków z IGD, a związana ze zmniejszonym ryzykiem aktywacja prawego DLPFC była ujemnie skorelowana z wynikami BIS. Nasze odkrycia sugerują, że jako krytyczny obszar mózgu związany z podejmowaniem decyzji, prawy DLPFC jest mniej wrażliwy na poziom ryzyka u nastolatków z IGD w porównaniu z HC, co może przyczyniać się do wyższej impulsywności u nastolatków z IGD.

Autorskie Wkłady

Badania zaprojektowane przez XQ, YY, XL i QZ; XQ, XD, PG, YZ, GD i QZ przeprowadziły badania; YY, PG był zaangażowany w ocenę kliniczną; Dane analizowane przez XQ, YZ, GD, WQ i QZ; Artykuł napisali XQ, YZ, XL, YY i QZ.

Oświadczenie o konflikcie interesów

Autorzy oświadczają, że badanie zostało przeprowadzone przy braku jakichkolwiek powiązań handlowych lub finansowych, które mogłyby być interpretowane jako potencjalny konflikt interesów.

SKRÓTY

ACCzakręt przedni
BARTbalonowe zadanie ryzyka analogowego
BIS-11Skala impulsywności Barratta
DLPFCgrzbietowo-boczna kora przedczołowa
fMRIfunkcjonalne obrazowanie rezonansu magnetycznego
FWHMpełna szerokość w połowie maksimum
GLMogólny model liniowy
HCzdrowe kontrole
HRFfunkcja odpowiedzi hemodynamicznej
IATTest Younga na uzależnienie od Internetu online
IGDzaburzenia gry internetowej
IQIloraz inteligencji
MNIMontreal Neurological Institute
ROIregion zainteresowania
RTczas reakcji
SPMStandardowe macierze progresywne Ravena
SPM8Oprogramowanie do statystycznego mapowania parametrycznego
YDQMłody kwestionariusz diagnostyczny
 

Referencje

  • Asahi S., Okamoto Y., Okada G., Yamawaki S., Yokota N. (2004). Ujemna korelacja między aktywnością prawego przedczołowego podczas hamowania reakcji a impulsywnością: badanie fMRI. Eur. Łuk. Klinika Psychiatryczna. Neurosci. 254 245–251. 10.1007/s00406-004-0488-z [PubMed] [Cross Ref]
  • Bari A., Robbins TW (2013). Hamowanie i impulsywność: behawioralne i neuronalne podstawy kontroli reakcji. Wałówka. Neurobiol. 108 44 – 79. 10.1016 / j.pneurobio.2013.06.005 [PubMed] [Cross Ref]
  • Błaszczyński A. (2008). Komentarz: odpowiedź na „problemy z koncepcją „uzależnienia” od gier wideo: kilka przykładów studiów przypadku”. Int. J. Uzależniony od zdrowia psychicznego. 6 179–181. 10.1007/s11469-007-9132-2 [Cross Ref]
  • Bogg T., Fukunaga R., Finn PR, Brown JW (2012). Kontrola poznawcza łączy używanie alkoholu, odhamowanie cech i zmniejszone zdolności poznawcze: dowody na rozregulowanie przyśrodkowej kory przedczołowej podczas zachowań związanych z poszukiwaniem nagrody. Drug Alcohol Depend. 122 112 – 118. 10.1016 / j.drugalcdep.2011.09.018 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Bolla KI, Eldreth DA, Matochik JA, Cadet JL (2005). Neuronowe podłoża błędnego podejmowania decyzji u abstynenckich użytkowników marihuany. Neuroimage 26 480 – 492. 10.1016 / j.neuroimage.2005.02.012 [PubMed] [Cross Ref]
  • Marka M., Labudda K., Markowitsch HJ (2006). Neuropsychologiczne korelaty podejmowania decyzji w sytuacjach niejednoznacznych i ryzykownych. Sieć neuronowa. 19 1266 – 1276. 10.1016 / j.neunet.2006.03.001 [PubMed] [Cross Ref]
  • Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E. i in. (2013). Związek między patologicznym korzystaniem z Internetu a współistniejącą psychopatologią: przegląd systematyczny. Psychopatologia 46 1-13. 10.1159 / 000337971 [PubMed] [Cross Ref]
  • Claus ED, Hutchison KE (2012). Neuronowe mechanizmy podejmowania ryzyka i związki z piciem ryzykownym. Alkohol. Clin. Exp. Res. 36 932-940. 10.1111 / j.1530-0277.2011.01694.x [PubMed] [Cross Ref]
  • Crockford DN, Goodyear B., Edwards J., Quickfall J., El-Guebaly N. (2005). Indukowana cue aktywność mózgu u patologicznych hazardzistów. Biol. Psychiatria 58 787 – 795. 10.1016 / j.biopsych.2005.04.037 [PubMed] [Cross Ref]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, i in. (2014). Impulsywność cechy i upośledzona funkcja hamowania impulsu przedczołowego u nastolatków z uzależnieniem od gier internetowych ujawnionym w badaniu fMRI Go / No-Go. Behav. Brain Funct. 10:20 10.1186/1744-9081-10-20 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong G., Hu Y., Lin X., Lu Q. (2013). Co sprawia, że ​​osoby uzależnione od Internetu kontynuują grę online, nawet jeśli wiążą się z poważnymi negatywnymi konsekwencjami? Możliwe wyjaśnienia na podstawie badania fMRI. Biol. Psychol. 94 282 – 289. 10.1016 / j.biopsycho.2013.07.009 [PubMed] [Cross Ref]
  • Dong G., Huang J., Du X. (2012). Zmiany w regionalnej jednorodności aktywności mózgu w stanie spoczynku u osób uzależnionych od gier internetowych. Behav. Brain Funct. 8:41 10.1186/1744-9081-8-41 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong G., Lin X., Hu Y., Xie C., Du X. (2015). Niezrównoważone połączenie funkcjonalne między siecią kontroli wykonawczej a siecią nagród wyjaśnia zachowania związane z poszukiwaniem gier online w zaburzeniach gier internetowych. Sci. Rozpustnik. 5:9197 10.1038/srep09197 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong G., Potenza MN (2014). Kognitywno-behawioralny model zaburzeń gier internetowych: teoretyczne podstawy i implikacje kliniczne. J. Psychiatr. Res. 58 7 – 11. 10.1016 / j.jpsychires.2014.07.005 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Ernst M., poseł Paulus (2005). Neurobiologia podejmowania decyzji: selektywny przegląd z perspektywy neurokognitywnej i klinicznej. Biol. Psychiatria 58 597 – 604. 10.1016 / j.biopsych.2005.06.004 [PubMed] [Cross Ref]
  • Ersche KD, Fletcher PC, Lewis SJ, Clark L., Stocks-Gee G., London M. i in. (2005). Nieprawidłowe aktywacje czołowe związane z podejmowaniem decyzji u osób obecnie i byłych uzależnionych od amfetaminy i opiatów. Psychopharmacology (Berl.) 180 612–623. 10.1007/s00213-005-2205-7 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Gabay AS, Radua J., Kempton MJ, Mehta MA (2014). Gra ultimatum i mózg: metaanaliza badań neuroobrazowych. Neurosci. Biobehav. Obrót silnika. 47 549-558. 10.1016 / j.neubiorev.2014.10.014 [PubMed] [Cross Ref]
  • Galván A., Schonberg T., Mumford J., Kohno M., Poldrack RA, London ED (2013). Większa wrażliwość na ryzyko grzbietowo-bocznej kory przedczołowej u młodych palaczy niż u osób niepalących. Psychopharmacology (Berl.) 229 345–355. 10.1007/s00213-013-3113-x [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Garavan H., Hester R., Murphy K., Fassbender C., Kelly C. (2006). Indywidualne różnice w funkcjonalnej neuroanatomii kontroli hamowania. Brain Res. 1105 130 – 142. 10.1016 / j.brainres.2006.03.029 [PubMed] [Cross Ref]
  • Gorini A., Lucchiari C., Russell-Edu W., Pravettoni G. (2014). Modulacja ryzykownych wyborów u niedawno abstynenckich osób uzależnionych od kokainy: przezczaszkowe badanie stymulacji prądem stałym. Z przodu. Szum. Neurosci. 8: 661 10.3389 / fnhum.2014.00661 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Gowin JL, Mackey S., Paulus MP (2013). Zmienione przetwarzanie związane z ryzykiem u osób używających substancji: brak równowagi między bólem a zyskiem. Drug Alcohol Depend. 132 13 – 21. 10.1016 / j.drugalcdep.2013.03.019 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Grant JE, Potenza MN, Weinstein A., Gorelick DA (2010). Wprowadzenie do uzależnień behawioralnych. Rano. J. Nadużywanie alkoholu 36 233-241. 10.3109 / 00952990.2010.491884 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Griffiths lekarz medycyny (2008). Uzależnienie od gier wideo: dalsze przemyślenia i obserwacje. Int. J. Uzależniony od zdrowia psychicznego. 6 182–185. 10.1007/s11469-007-9128-y [Cross Ref]
  • Hastie R. (2001). Problemy osądu i podejmowania decyzji. Annu. Rev. Psychol. 52 653–683. 10.1146/annurev.psych.52.1.653 [PubMed] [Cross Ref]
  • Helfinstein SM, Schonberg T., Congdon E., Karlsgodt KH, Mumford JA, Sabb FW i in. (2014). Przewidywanie ryzykownych wyborów na podstawie wzorców aktywności mózgu. Proc. Natl. Acad Sci. USA 111 2470-2475. 10.1073 / pnas.1321728111 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Karim R., Chaudhri P. (2012). Uzależnienia behawioralne: przegląd. J. Psychoaktywne leki 44 5-17. 10.1080 / 02791072.2012.662859 [PubMed] [Cross Ref]
  • Ko CH, Hsiao S., Liu GC, Yen JY, Yang MJ, Yen CF (2010). Charakterystyka podejmowania decyzji, potencjał podejmowania ryzyka i osobowość studentów uzależnionych od Internetu. Psychiatry Res. 175 121–125. 10.1016/j.psychres.2008.10.004 [PubMed] [Cross Ref]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY i in. (2014). Zmieniona aktywacja mózgu podczas hamowania reakcji i przetwarzania błędów u osób z zaburzeniami gier internetowych: funkcjonalne badanie obrazowania magnetycznego. Eur. Łuk. Klinika Psychiatryczna. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Cross Ref]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Mózg koreluje pragnienie grania online pod narażeniem na wskazania u osób uzależnionych od hazardu internetowego oraz u osób umarzanych. Nałogowiec. Biol. 18 559-569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Cross Ref]
  • Kohno M., Ghahremani DG, Morales AM, Robertson CL, Ishibashi K., Morgan AT i in. (2015). Zachowania ryzykowne: receptory dopaminy d2/d3, sprzężenie zwrotne i aktywność frontolimbiczna. Cereb. Kora 25 236–245. 10.1093/cercor/bht218 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Kohno M., Morales AM, Ghahremani DG, Hellemann G., London ED (2014). Ryzykowne podejmowanie decyzji, kora przedczołowa i funkcjonalna łączność mezokortykolimbiczna w uzależnieniu od metamfetaminy. JAMA Psychiatry 71 812–820. 10.1001/jamapsychiatry.2014.399 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Krain AL, Wilson AM, Arbuckle R., Castellanos FX, Milham MP (2006). Odrębne neuronowe mechanizmy ryzyka i niejednoznaczności: metaanaliza podejmowania decyzji. Neuroimage 32 477 – 484. 10.1016 / j.neuroimage.2006.02.047 [PubMed] [Cross Ref]
  • Kräplin A., Dshemuchadse M., Behrendt S., Scherbaum S., Goschke T., Bühringer G. (2014). Dysfunkcjonalne podejmowanie decyzji w patologicznym hazardzie: specyfika wzorca i rola impulsywności. Psychiatry Res. 215 675–682. 10.1016/j.psychres.2013.12.041 [PubMed] [Cross Ref]
  • Kühn S., Romanowski A., Schilling C., Mobascher A., ​​Warbrick T., Winterer G. i in. (2012). Niedobory istoty szarej mózgu u palaczy: skupienie się na móżdżku. Strukturę mózgu. Funkt. 217 517–522. 10.1007/s00429-011-0346-5 [PubMed] [Cross Ref]
  • Kuss DJ (2013). Uzależnienie od gier internetowych: aktualne perspektywy. Psychol. Res. Behav. Manag. 6 125–137. 10.2147/PRBM.S39476 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Lejuez CW, Read JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL i in. (2002). Ocena behawioralnej miary podejmowania ryzyka: zadanie ryzyka analogowego balonu (BART). J. Exp. Psychol. Appl. 8 75–84. 10.1037//1076-898X.8.2.75 [PubMed] [Cross Ref]
  • Lin X., Zhou H., Dong G., Du X. (2015). Upośledzona ocena ryzyka u osób z zaburzeniami związanymi z grami internetowymi: dowody fMRI z zadania dyskontowania prawdopodobieństwa. Wałówka. Neuro-Psychopharmacol. Biol. Psychiatria 56 142 – 148. 10.1016 / j.pnpbp.2014.08.016 [PubMed] [Cross Ref]
  • Liu GC, Yen JY, Chen CY, Yen CF, Chen CS, Lin WC i in. (2014). Aktywacja mózgu w celu hamowania reakcji w wyniku rozproszenia sygnału gry w zaburzeniach związanych z grami internetowymi. Kaohsiung J. Med. Sci. 30 43–51. 10.1016/j.kjms.2013.08.005 [PubMed] [Cross Ref]
  • Macoveanu J., Rowe JB, Hornboll B., Elliott R., Paulson OB, Knudsen GM i in. (2013). Graj bezpiecznie, ale i tak przegrywaj – serotoninergiczna sygnalizacja negatywnych wyników w grzbietowo-przyśrodkowej korze przedczołowej w kontekście niechęci do ryzyka. Eur. Neuropsychopharmacol. 23 919 – 930. 10.1016 / j.euroneuro.2012.09.006 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Metcalf O., Pammer K. (2014). Impulsywność i powiązane cechy neuropsychologiczne w zwykłych i uzależniających grach typu FPS. Cyberpsychol. Behav. Soc. Netw. 17 147-152. 10.1089 / cyber.2013.0024 [PubMed] [Cross Ref]
  • Miedl SF, Peters J., Büchel C. (2012). Zmienione reprezentacje nagród neuronowych u patologicznych hazardzistów ujawnione przez dyskontowanie opóźnienia i prawdopodobieństwa. Łuk. Gen. Psychiatry 69 177 – 186. 10.1001 / archgenpsychiatry.2011.1552 [PubMed] [Cross Ref]
  • Moeller SJ, Froböse MI, Konova AB, Misyrlis M., Parvaz MA, Goldstein RZ i in. (2014). Wspólne i odrębne neuronalne korelaty rozregulowania hamującego: badanie fMRI Stroopa dotyczące uzależnienia od kokainy i przerywanego zaburzenia wybuchowego. J. Psychiatr. Res. 58 55 – 62. 10.1016 / j.jpsychires.2014.07.016 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Moreno-López L., Perales JC, Van Son D., Albein-Urios N., Soriano-Mas C., Martinez-Gonzalez JM i in. (2015). Nasilenie używania kokainy i istota szara móżdżku są powiązane z deficytami uczenia się odwracalnego u osób uzależnionych od kokainy. Nałogowiec. Biol. 20 546 – 556. 10.1111 / adb.12143 [PubMed] [Cross Ref]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Móżdżek i uzależnienie: spostrzeżenia uzyskane z badań neuroobrazowych. Nałogowiec. Biol. 19 317 – 331. 10.1111 / adb.12101 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R. i in. (2008a). Przetwarzanie hamujące somatomotoryczne u ludzi: funkcjonalne badanie MRI związane z wydarzeniem. Neuroimage 39 1858 – 1866. 10.1016 / j.neuroimage.2007.10.041 [PubMed] [Cross Ref]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R. i in. (2008b). Funkcje wykonawcze z różnymi mocami motorycznymi w somatosensorycznych zadaniach Go / Nogo: funkcjonalne badanie MRI związane z wydarzeniem. Brain Res. Byk. 77 197–205. 10.1016/j.brainresbull.2008.07.008 [PubMed] [Cross Ref]
  • Patton JH, Stanford MS, Barratt ES (1995). Struktura czynnikowa skali impulsywności Barratta. J. Clin. Psychol. 51 768-774. [PubMed]
  • Pawlikowski M., Marka M. (2011). Nadmierne granie w Internecie i podejmowanie decyzji: czy nadmierni gracze w World of Warcraft mają problemy z podejmowaniem decyzji w ryzykownych warunkach? Psychiatry Res. 188 428–433. 10.1016/j.psychres.2011.05.017 [PubMed] [Cross Ref]
  • Probst CC, van Eimeren T. (2013). Anatomia funkcjonalna zaburzeń kontroli impulsów. Aktualny Neurol. Neurologia. Reprezentant. 13:386 10.1007/s11910-013-0386-8 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Rao H., Korczykowski M., Pluta J., Hoang A., Detre JA (2008). Neuronowe korelaty dobrowolnego i mimowolnego podejmowania ryzyka w ludzkim mózgu: badanie fMRI zadania balonowego analogowego ryzyka (BART). NeuroImage 42 902 – 910. 10.1016 / j.neuroimage.2008.05.046 [PubMed] [Cross Ref]
  • Rao H., Mamikonyan E., Detre JA, Siderowf AD, Stern MB, Potenza MN i in. (2010). Zmniejszona aktywność prążkowia brzusznego z zaburzeniami kontroli impulsów w chorobie Parkinsona. Mov. Disord. 25 1660–1669. 10.1002/mds.23147 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Rao LL, Zhou Y., Liang ZY, Rao H., Zheng R., Sun Y. i in. (2014). Zmniejszanie dezaktywacji brzuszno-przyśrodkowej kory przedczołowej w podejmowaniu ryzykownych decyzji po symulowanej mikrograwitacji: skutki leżenia w łóżku z pochyleniem głowy w dół o -6 stopni. Z przodu. Behav. Neurosci. 8: 187 10.3389 / fnbeh.2014.00187 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Rosenbloom MH, Schmahmann JD, Cena BH (2012). Neuroanatomia funkcjonalna podejmowania decyzji. J. Neuropsychiatry Clin. Neurosci. 24 266–277. 10.1176/appi.neuropsych.11060139 [PubMed] [Cross Ref]
  • Sakagami M., Pan X., Uttl B. ​​(2006). Hamowanie behawioralne i kora przedczołowa w podejmowaniu decyzji. Sieć neuronowa. 19 1255 – 1265. 10.1016 / j.neunet.2006.05.040 [PubMed] [Cross Ref]
  • Schiebener J., Wegmann E., Pawlikowski M., Brand M. (2012). Efekty zakotwiczenia w podejmowaniu decyzji można zmniejszyć poprzez interakcję między monitorowaniem celów a poziomem funkcji wykonawczych decydenta. poznanie Proces. 13 321–332. 10.1007/s10339-012-0522-4 [PubMed] [Cross Ref]
  • Schonberg T., Fox CR, Mumford JA, Congdon E., Trepel C., Poldrack RA (2012). Zmniejszenie aktywności brzuszno-przyśrodkowej kory przedczołowej podczas sekwencyjnego podejmowania ryzyka: badanie fMRI zadania ryzyka związanego z analogiem balonu. Z przodu. Neurosci. 6: 80 10.3389 / fnins.2012.00080 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Tang J., Yu Y., Du Y., Ma Y., Zhang D., Wang J. (2014). Częstość występowania uzależnienia od Internetu i jego związek ze stresującymi wydarzeniami życiowymi i objawami psychologicznymi wśród dorastających użytkowników Internetu. Nałogowiec. Behav. 39 744-747. 10.1016 / j.addbeh.2013.12.010 [PubMed] [Cross Ref]
  • Telzer EH, Fuligni AJ, Lieberman MD, Galván A. (2013a). Wpływ złej jakości snu na funkcjonowanie mózgu i ryzyko podejmowania ryzyka w okresie dojrzewania. Neuroimage 71 275 – 283. 10.1016 / j.neuroimage.2013.01.025 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Telzer EH, Fuligni AJ, Lieberman MD, Galván A. (2013b). Znaczące relacje rodzinne: neurokognitywne bufory podejmowania ryzyka przez młodzież. J. Cogn. Neurosci. 25 374–387. 10.1162/jocn_a_00331 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Trepel C., Fox CR, Poldrack RA (2005). Teoria perspektywy w mózgu? W stronę neuronauki poznawczej podejmowania decyzji pod rygorem. Rozdzielczość mózgu poznanie Rozdzielczość mózgu 23 34–50. 10.1016/j.cogbrainres.2005.01.016 [PubMed] [Cross Ref]
  • Wang H., Jin C., Yuan K., Shakir TM, Mao C., Niu X. i in. (2015). Zmiana objętości istoty szarej i kontroli poznawczej u młodzieży z zaburzeniami gier internetowych. Z przodu. Behav. Neurosci. 9: 64 10.3389 / fnbeh.2015.00064 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Wu X., Chen X., Han J., Meng H., Luo J., Nydegger L. i in. (2013). Częstość występowania i czynniki uzależniającego korzystania z Internetu wśród nastolatków w Wuhan w Chinach: interakcje relacji rodzicielskiej z wiekiem i nadpobudliwością-impulsywnością. PLoS ONE 8: e61782 10.1371 / journal.pone.0061782 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Yao YW, Chen PR, Chen C., Wang LJ, Zhang JT, Xue G. i in. (2014). Niewykorzystanie informacji zwrotnej powoduje deficyty w podejmowaniu decyzji wśród nadmiernych graczy internetowych. Psychiatry Res. 219 583–588. 10.1016/j.psychres.2014.06.033 [PubMed] [Cross Ref]
  • Yao YW, Chen PR, Li S., Wang LJ, Zhang JT, Yip SW i in. (2015). Podejmowanie decyzji w sprawie ryzykownych zysków i strat wśród studentów z zaburzeniami gier internetowych. PLoS ONE 10: e0116471 10.1371 / journal.pone.0116471 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Młody K. (1998). Uzależnienie od Internetu: pojawienie się nowego zaburzenia klinicznego. CyberPsychol. Behav. 1 237-244. 10.1089 / cpb.1998.1.237 [Cross Ref]
  • Young, KS, Test uzależnienia od Internetu [IAT] (2009). Dostępne o: http://netaddiction.com/index.php?option5combfquiz&view5onepage&catid546&Itemid5106
  • Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X., et al. (2011). Zaburzenia mikrostruktury u młodzieży z zaburzeniami uzależnienia od Internetu. PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Yuan P., Raz N. (2014). Kora przedczołowa i funkcje wykonawcze u zdrowych dorosłych: metaanaliza badań neuroobrazowania strukturalnego. Neurosci. Biobehav. Obrót silnika. 42 180-192. 10.1016 / j.neubiorev.2014.02.005 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Zhou Z., Yuan G., Yao J. (2012). Uprzedzenia poznawcze w kierunku obrazów związanych z grami internetowymi i deficytów wykonawczych u osób uzależnionych od gier internetowych. PLoS ONE 7: e48961 10.1371 / journal.pone.0048961 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]