(REMISSION) Funkcjonalne zmiany neuronowe i zmienione połączenia korowo-podkorowe związane z odzyskiwaniem po zaburzeniach gry internetowej (2019)

J Behav Addict. 2019 Dec 1; 8 (4): 692-702. doi: 10.1556 / 2006.8.2019.75.

Dong GH1,2, Wang M1, Zhang J3, Du X4, Potenza MN5,6,7.

Abstrakcyjny

TŁO I CELE:

Chociaż badania sugerują, że osoby z zaburzeniami gier internetowych (IGD) mogą mieć upośledzenie w funkcjonowaniu poznawczym, charakter tego związku jest niejasny, biorąc pod uwagę, że informacje zwykle pochodzą z badań przekrojowych.

METODY:

Osoby z aktywnym IGD (n = 154) i osoby, które nie spełniają już kryteriów (n = 29) po 1 roku badano podłużnie za pomocą funkcjonalnego rezonansu magnetycznego podczas wykonywania zadań głodu cue. Subiektywne odpowiedzi i korelaty neuronalne porównano na początku badania i po 1 roku.

WYNIKI:

Reakcje głodu badanych na sygnały dotyczące gier zmniejszyły się znacznie po 1 roku w stosunku do początku badania. Zmniejszone odpowiedzi mózgowe w przedniej części kory zakrętu obręczy (ACC) i jądrze soczewkowatym obserwowano po 1 roku w stosunku do początku. Zaobserwowano istotne dodatnie korelacje między zmianami aktywności mózgu w jądrze soczewkowatym a zmianami w zgłaszanych przez samych ludzi głodzie. Analiza dynamicznego modelowania przyczynowego wykazała zwiększoną łączność ACC-soczewkowatą po 1 roku w stosunku do początku badania.

WNIOSKI:

Po wyjściu z IGD osoby wydają się mniej wrażliwe na sygnały z gier. Ten powrót do zdrowia może wiązać się ze zwiększoną kontrolą ACC nad motywacjami związanymi z soczewkowatymi w kontroli głodu. Należy dalej zbadać zakres, w jakim korowa kontrola motywacji podkorowych może być ukierunkowana w leczeniu IGD.

SŁOWA KLUCZOWE: Zaburzenia gier internetowych; przednia kora obręczy; zadanie pożądania; badania podłużne

PMID: 31891311

DOI: 10.1556/2006.8.2019.75

Wprowadzenie

Zaburzenia gier internetowych (IGD) wiążą się ze znacznymi zaburzeniami w funkcjonowaniu społecznym i osobistym, źle kontrolowanym głodem (Kim i in., 2018), nadmierna ilość czasu spędzanego na grze (Dong, Zhou i Zhao, 2010), słabe wyniki w nauce (Hawi, Samaha i Griffiths, 2018) oraz inne negatywne mierniki zdrowia i funkcjonowania. IGD został uznany za zaburzenie uzależniające, a wstępne kryteria diagnostyczne zostały ustalone częściowo na podstawie innego uzależnienia behawioralnego, tj. Zaburzenia hazardu (Dowlinga, 2014; Petry, Rehbein, Ko i O'Brien, 2015). Piąta edycja Diagnostic and Statistical Manual of Mental Disorders (DSM-5) umieścił IGD jako „Warunek do dalszych badań” (Amerykańskie Towarzystwo Psychiatryczne, 2013). W maju 2018 r. Zaburzenie gry zostało przyjęte do włączenia do 11. edycji Międzynarodowej Klasyfikacji Chorób (ICD-11; http://www.who.int/features/qa/gaming-disorder/en/), pomimo debat (Aarseth i in., 2017; King & Gaming Industry Response, 2018; Rumpf i in., 2018; Saunders i in., 2017).

Podczas zadań związanych z głodem kija IGD w stosunku do osób kontrolnych wykazało większą uwagę na sygnały związane z grą (Choi i in., 2014), z zaangażowanymi regionami przedczołowymi (Ahn, Chung i Kim, 2015). Podczas zadań wykonawczych IGD w stosunku do osób kontrolnych wykazało zmniejszoną kontrolę wykonawczą (Nuyens i in., 2016), z implikowaną grzbietowo-boczną korą przedczołową (DLPFC) i przednią korą zakrętu obręczy (ACC) (Dong, Wang, Du i Potenza, 2017, 2018; Dong, Wang, Wang, Du i Potenza, 2019). Podczas podejmowania decyzji w IGD (Pawlikowski & Brand, 2011), prążkowia i ACC zostały zaangażowane (Qi i wsp., 2016). W tych i innych badaniach zwykle stosowano podejścia przekrojowe porównujące IGD i grupy kontrolne, ograniczając zrozumienie, w jaki sposób zmiany w funkcjonowaniu mózgu mogą leżeć u podstaw zmian w IGD.

Chociaż badania przekrojowe mogą ujawnić cechy mózgu związane z IGD, nie są w stanie rozróżnić, czy zmiany w mózgu mogą poprzedzać rozwój IGD, wynikać z zachowań w grach lub być generowane przez inne mechanizmy. Jako takie, badania podłużne mogą pomóc oddzielić podatne na uszkodzenia neurony od konsekwencji neuronalnych. Ponadto, i co ważne z klinicznego punktu widzenia, zrozumienie zmian w mózgu związanych z regeneracją jest ważne i można to osiągnąć poprzez badania podłużne.

W przypadku uzależnień behawioralnych, takich jak zaburzenia związane z hazardem, wiele osób dochodzi do siebie w sposób naturalny (tj. Bez formalnej interwencji (Slutske, 2006; Slutske, Piasecki, Blaszczyński i Martin, 2010). Podobnie jak osoby z zaburzeniami hazardu, wiele osób z IGD może wyzdrowieć bez profesjonalnej interwencji (Lau, Wu, Gross, Cheng i Lau, 2017). Szacunki remisji wynoszą od 36.7% do 51.4% w IGD (Chang, Chiu, Lee, Chen i Miao, 2014; Ko i in., 2014). Chociaż zaproponowano potencjalne czynniki (takie jak zmniejszenie pragnienia) remisji w IGD (Chang i in., 2014; Ko i in., 2014, 2015), niewiele wiadomo na temat mechanizmów mózgowych leżących u podstaw procesów odzyskiwania w IGD.

W bieżącym badaniu zbadaliśmy podłużnie grupę osób z IGD. Zastosowaliśmy funkcjonalne obrazowanie rezonansu magnetycznego (fMRI) do skanowania pacjentów z IGD „na początku” i ponownie po 1 roku, koncentrując się na osobach, które nie spełniały już kryteriów IGD. Porównując subiektywne i obrazowe dane od osób z aktywną i odzyskaną IGD, staraliśmy się zidentyfikować subiektywne i neuronowe czynniki leżące u podstaw powrotu do zdrowia. Takie podejście może zapewnić wgląd w indywidualne różnice dotyczące odporności i powrotu do zdrowia i może potencjalnie pomóc w opracowaniu bardziej ukierunkowanych i skutecznych interwencji.

Reaktywność i głód w IGD

Pragnienie wskazówek związanych z uzależnieniem odzwierciedla silną motywację do angażowania się w zachowania uzależniające. Głód może promować zażywanie narkotyków (Sayette, 2016; Sinha i Li, 2007), hazard (Potenza i in., 2003) i gry (Dong i in., 2017) u osób z zaburzeniami pokrewnymi. Zatem głód jest celem terapii uzależnień (Potenza i in., 2013), ponieważ pragnienie może skierować uwagę na sygnały związane z uzależnieniem (Sayette, 2016; Tiffany, 1990), wpływają na ocenę odpowiednich informacji (Sayette, Schooler i Reichle, 2010) i zakłócają procesy decyzyjne (Balodis i Potenza, 2015; Berridge i Kringelbach, 2015; Dong i Potenza, 2016). Ponadto ponowne narażenie się na sygnały związane z narkotykami może prowadzić do silnych pragnień i zachowań związanych z poszukiwaniem narkotyków w uzależnieniu od narkotyków (Gardner, McMillan, Raynor, Woolf i Knapp, 2011). Z wyżej wymienionych powodów (w tym klasyfikacji IGD jako uzależnienia) skupiliśmy się na pragnieniu w tym badaniu IGD.

Podobnie jak w przypadku uzależnień od narkotyków, wskazówki w grach mogą wywoływać zachowania związane z wyszukiwaniem gier w IGD (Dong i Potenza, 2016). Uczestnicy IGD wykazywali wyższe cechy mózgu w prążkowiu brzusznym i grzbietowym (Liu i in., 2017), zmienione sieci funkcjonalne (Ko i in., 2013; Ma i in., 2019), wyższa późna dodatnia amplituda potencjału (Kim i in., 2018), w porównaniu z osobami kontrolnymi narażonymi na sygnały z gier. Reakcje neuronalne na sygnały w grach mogą przewidywać pojawienie się IGD (Dong, Wang, Liu i in., 2019) i działają w sposób uwzględniający płeć (Dong, Wang i in., 2018). W związku z tym postawiliśmy hipotezę, że obszary mózgu zaangażowane we wcześniejsze badania głodu (np. Prążkowie) będą wykazywać mniejszą aktywację po wyzdrowieniu niż podczas aktywnego IGD, gdy osobnicy byli narażeni na sygnały związane z grą.

Kiedy ludzie są narażeni na bodźce związane z grami, korowe obszary mózgu (np. DLPFC i ACC) mogą wywierać kontrolę nad podkorowymi obszarami mózgu (np. Prążkowiem) w nałogach, takich jak palenie tytoniu (Kober i in., 2010) i ogólnie modele kontroli poznawczej (Bush, Luu i Posner, 2000). Funkcje wykonawcze obejmują zestaw procesów niezbędnych do kontroli poznawczej, w tym selekcję i monitorowanie zachowań w celu ułatwienia osiągnięcia wybranych celów (Hall i in., 2017). Uzależnienia związane są z zaburzeniami kontroli hamowania (Dalley, Everitt i Robbins, 2011; Ersche i in., 2012), a ustalenia te obejmują uzależnienia behawioralne (Leeman i Potenza, 2012; Yip i in., 2018). Zmniejszona kontrola poznawcza nad głodem alkoholu może leżeć u podstaw zaangażowania w zachowania uzależniające (Wang, Wu, Wang i in., 2017; Wang, Wu, Zhou i in., 2017). Modele teoretyczne, takie jak I-PACE (Brand i in., 2016) i inne (Dong i Potenza, 2014), sugerują, że brak kontroli wykonawczej może leżeć u podstaw problematycznych zachowań w grach. Badania IGD wykazały hipoaktywność regionów mózgu biorących udział w kontroli wykonawczej (Nuyens i in., 2016), w tym DLPFC i grzbietowy ACC (Dong i Potenza, 2014). Lepsza kontrola wykonawcza może pomóc w skutecznym kontrolowaniu zachcianek, cel takich interwencji, jak terapia poznawczo-behawioralna, która została zastosowana w przypadku uzależnień i zachowań związanych z korzystaniem z Internetu, takich jak gry (Young & Brand, 2017). Postawiliśmy hipotezę, że aktywacja regionów zaangażowanych w kontrolę wykonawczą (DLPFC i ACC) wykazałaby większą aktywację po wyzdrowieniu w porównaniu z aktywną IGD.

Biorąc pod uwagę, że wcześniejsze badania wykazały kontrolę DLPFC nad aktywacją prążkowia w pożądaniu wywołanym przez wskazówkę (Kober i in., 2010), postawiliśmy hipotezę, że zmiany w aktywacji korowej odnoszą się do kontroli aktywności mózgu w obszarach mózgu związanych z nagrodą, takich jak prążkowia. Dynamiczne modelowanie przyczynowe, podejście analityczne, które można wykorzystać do badania i kwantyfikacji ukierunkowanych wpływów populacji neuronalnych (He i wsp., 2019), dobrze nadaje się do zbadania, w jaki sposób regiony wykonawcze mogą sprawować kontrolę nad procesami podkorowymi. W odniesieniu do subiektywnych odpowiedzi postawiliśmy hipotezę, że aktywacje neuronowe będą odnosić się do subiektywnych doniesień o głodzie, które, jak się spodziewaliśmy, będą mniej silne po wyzdrowieniu niż podczas aktywnej IGD.

Metody

Przegląd procedury

W latach 2016-2017 zrekrutowaliśmy 154 osoby z IGD do fMRI podczas zadania polegającego na pragnieniu sygnałów (opisanym poniżej). Skontaktowaliśmy się z uczestnikami po około 1 roku i ponownie oceniliśmy ich pod kątem IGD. Dwudziestu dziewięciu badanych z IGD (pięć kobiet), które nie spełniały już kryteriów IGD, zgodziło się uczestniczyć w skanowaniu podczas wykonywania zadania głodu sygnałów. Następnie porównujemy ich nowsze dane (odzyskany IGD) z danymi wyjściowymi (aktywny IGD), aby zidentyfikować różnice w czasie (ryc. 1A).

usuń postać nadrzędną

Rysunek 1. Projekt badania i zadanie użyte w tym opracowaniu. (A) Projekt rocznego badania śledzenia. (B) Kalendarium jednego badania w tym badaniu

Wybór tematu

Na początku badania uczestnicy zostali zaklasyfikowani jako chorzy na IGD, jeśli uzyskali 50 lub więcej punktów w teście uzależnienia od Internetu Younga (kwestionariusz samoopisowy) i spełnili co najmniej pięć kryteriów DSM-5 dla IGD (wywiad kliniczny; dodatkowe informacje można znaleźć w „Materiale uzupełniającym” Detale; Petry i in., 2014; Young, 2009). Wszyscy uczestnicy przeszli ustrukturyzowane wywiady psychiatryczne (MINI) prowadzone przez doświadczonego psychiatrę (Lecrubier i in., 1997), a osoby z zaburzeniami lub zachowaniami psychiatrycznymi zostały wykluczone (patrz „Materiały dodatkowe”). Ponadto żaden z badanych nie zgłosił wcześniejszego doświadczenia z hazardem lub nielegalnymi narkotykami (np. Konopiami indyjskimi i heroiną). Wszyscy grali League of Legends (LOL i Riot Games) od ponad 1 roku. Kryterium to oparte było na wykorzystaniu przez nas wskazówek dotyczących gier jako bodźców w tym badaniu, a LOL była najpopularniejszą grą online podczas rozpoczęcia badania. Osoby, które wyzdrowiały z IGD, musiały zdobyć mniej niż 50 punktów w teście uzależnienia od Internetu Younga i spełnić mniej niż pięć kryteriów DSM-5 dla IGD w ciągu 1 roku (Petry i in., 2014; Young, 2009; patrz tabela 1 dla szczegółów).

 

Stół

Tabela 1. Cechy demograficzne uczestników IGD, gdy IGD było aktywne i wyzdrowiało

 

Tabela 1. Cechy demograficzne uczestników IGD, gdy IGD było aktywne i wyzdrowiało

AktywnaOdzyskanytp
Wiek (lata; średnia ± SD)21.46 ± 1.8321.73 ± 1.910.823> 050
Wynik IAT (średnia ± SD)65.21 ± 11.5634.45 ± 4.1018.86<.001
Wynik DSM-5 IGD (średnia ± SD)5.76 ± 0.912.83 ± 0.6615.82<.001
Głód głodu zgłaszany samodzielnie (średnia ± SD)53.07 ± 15.4730.34 ± 6.449.19<.001

Notatka. IAT: Test uzależnienia od Internetu; DSM: Podręcznik diagnostyczny i statystyczny zaburzeń psychicznych; IGD: Zaburzenia gier internetowych; SD: odchylenie standardowe.

Zadanie

W badaniu wykorzystano zadanie reaktywności cue związane ze zdarzeniem, jak opisano wcześniej (Dong i in., 2017; Dong, Wang i in., 2018). Zadanie zawiera dwa rodzaje obrazów wskazówek: 30 zdjęć związanych z grami i 30 zdjęć związanych z pisaniem (neutralna linia bazowa). W obrębie każdego typu połowa z 30 zdjęć zawierała twarz i dłonie, a połowa zawierała tylko dłonie. Zdjęcia związane z grami przedstawiają osobę, która gra w grę online (LOL) na komputerze. Na zdjęciach związanych z pisaniem ta sama osoba pisze artykuł na klawiaturze przed komputerem. Uczestnicy zostali poinstruowani, aby wskazać, czy na zdjęciu była twarz, naciskając przycisk „1” na klawiaturze, gdy twarz była obecna, i naciskając „2”, gdy twarz nie była obecna.

Postać 1B pokazuje oś czasu przykładowej próby w zadaniu. Najpierw zostało przedstawione ustalone 500 ms krzyżyka, a następnie obraz cue, jak opisano powyżej. Zdjęcia zostały przedstawione w losowej kolejności, aby uniknąć efektów kolejności. Każde zdjęcie było prezentowane przez maksymalnie 3,000 ms, w tym czasie uczestnicy musieli odpowiedzieć. Ekran zmienił kolor na czarny po naciśnięciu przycisku i trwał 3,000 ms (czas odpowiedzi). Następnie, na etapie oceny głodu, uczestnicy zostali poproszeni o ocenę poziomu swojego głodu na odpowiednie bodźce w 5-stopniowej skali, od 1 (bez głodu) do 5 (bardzo wysoki apetyt). Ten etap trwał do 3,000 ms i został zakończony naciśnięciem przycisku. Na koniec między każdą próbą wyświetlany był pusty ekran 1,500–3,500 ms. Całe zadanie obejmowało 60 prób i trwało około 9 min. Przedstawiono zadanie i zebrano dane behawioralne za pomocą oprogramowania E-prime (Psychology Software Tools, Inc., Sharpsburg, PA, USA). Wszyscy uczestnicy zostali poproszeni o wypełnienie 10-elementowego kwestionariusza popędu do gier, z punktami w zakresie od 1 do 10, w celu oceny głodu związanego z grami przed fMRI (Cox, Tiffany i Christen, 2001).

Analiza danych

Przetwarzanie wstępne danych fMRI przeprowadzono za pomocą SPM12 (http://www.fil.ion.ucl.ac.uk/spm) i Neuroelf (http://neuroelf.net), jak opisano wcześniej (Dong i in., 2017; Dong, Wang i in., 2018). Obrazy były synchronizowane w czasie, reorientowane i ponownie wyrównywane do pierwszego tomu, przy czym objętości rejestrowane rdzeniowo T1 zostały użyte do skorygowania ruchów głowy. Obrazy następnie znormalizowano do przestrzeni MNI i wygładzono przestrzennie przy użyciu 6-mm pełnej szerokości przy połowie maksymalnego jądra Gaussa. Żaden badany nie został usunięty z analizy z powodu ruchu głowy (kryteria wykluczenia wynosiły 2 mm w ruchu kierunkowym lub 2 ° w ruchu obrotowym). Zastosowano ogólny model liniowy (GLM), aby zidentyfikować aktywację BOLD w odniesieniu do czynności mózgu. Różne typy prób (związane z grami, związane z pisaniem na klawiaturze, nieprawidłowe lub pominięte) zostały oddzielnie połączone z kanoniczną funkcją odpowiedzi hemodynamicznej, aby utworzyć regresory zadań. Czas trwania każdej próby wynosił 4,000 ms. GLM obejmowały stały okres na przebieg. Sześć parametrów ruchu głowy pochodzących z etapu przestawiania i historii gier (deklarowanych przez nas lat gry) zostało uwzględnionych, aby rozwiązać te potencjalne pomyłki. Podejście GLM zostało użyte do zidentyfikowania wokseli, które były znacząco aktywowane dla każdego zdarzenia na etapie „reakcji”.

Analizy drugiego poziomu przeprowadzono w następujący sposób. Najpierw przeprowadzono analizę powtarzalnych pomiarów pod kątem wokseli w całym mózgu, aby zbadać aktywność związaną z [(odzyskaneBodźce związane z grami - wyzdrowiałBodźce związane z pisaniem na maszynie) - (aktywnebodźce związane z grami - aktywnyBodźce związane z pisaniem na maszynie)]. Rodzinne progi błędów (p <001) zostały określone za pomocą 3dClustSim (zaktualizowana wersja Alphasim), a wszystkie porównania zostały skorygowane przy użyciu 3dClustSim (https://afni.nimh.nih.gov/pub/dist/doc/program_help/3dClustSim.html), p <001, dwustronny, z zasięgiem co najmniej 40 wokseli.

Etyka

Eksperyment ten został zatwierdzony przez Komitet Badań Ludzkich Uniwersytetu Normalnego Zhejiang i zgodny z Kodeksem Etyki Światowego Stowarzyszenia Medycznego (Deklaracja Helsińska). Wszyscy uczestnicy wyrazili pisemną świadomą zgodę przed skanowaniem.

Odzyskani w porównaniu z aktywnymi pacjentami z IGD wykazywali zmniejszoną aktywację mózgu w dwustronnym ACC, dwustronnym przyśrodkowym zakręcie czołowym (MFG), lewym soczewkowatym, prawej wysepce, lewym górnym skroniu skroniowym i lewym klinu (ryc. 2A; Stół 2). Miary masy beta wykazały, że różnice te były związane ze zmniejszoną odpowiedzią mózgu po wyzdrowieniu (ryc 2B, C).

 

Stół

Tabela 2. Porównanie odpowiedzi mózgu osób z aktywną IGD i wyleczoną IGD

 

Tabela 2. Porównanie odpowiedzi mózgu osób z aktywną IGD i wyleczoną IGD

Numer klastrax, y, zaMaksymalna intensywnośćWielkość klastrabRegioncObszar Brodmanna
1-6, 36, -3-5.24085Lewy przedni obręcz12
20, 39, 6-4.57754Prawy przód obręczy32
3-18, -21, -18-5.18363Lewy przyśrodkowy zakręt czołowy46
427, 36, 24-5.16441Prawy środkowy zakręt przedni46
5−21 3, 21, XNUMX XNUMX-5.821107Lewy soczewkowaty
630, -12, 27-4.74044Prawo insula
7−18 36, 24, XNUMX XNUMX-6.075436Lewy klin18
8−60 3, 3, XNUMX XNUMX-6.10683Lewy górny zakręt skroniowy22

Notatka. IGD: Zaburzenia gier internetowych.

aSzczytowe współrzędne MNI. bLiczba wokseli. p <001, rozmiar klastra> 40 sąsiadujących ze sobą wokseli. Rozmiar woksela = 3 × 3 × 3. cRegiony mózgu odniesiono do oprogramowania Xjview (http://www.alivelearn.net/xjview8) i zweryfikowano poprzez porównania z atlasem mózgu.

usuń postać nadrzędną

Rysunek 2. Wyniki obrazowania podczas porównywania obiektów IGD podczas odzyskiwania i podczas problematycznej gry. (A) Regiony mózgu, które przetrwały, po porównaniu między okresem rekonwalescencji a aktywną grą problematyczną. (B, C) Wagi beta wyodrębnione z obszarów zainteresowania ACC i soczewkowatych, gdy badani aktywnie grali problematycznie i wracali do zdrowia

Korelacje

Przeanalizowaliśmy korelacje między odpowiedziami mózgu w lewym ACC a postacią soczewkowatą i zgłoszonym przez siebie pragnieniem wskazówek. Stwierdzono znaczące korelacje między zgłaszanymi głodem a aktywacjami soczewkowatymi, niezależnie od statusu IGD (ryc. 3). Nie zaobserwowano istotnych korelacji między aktywacjami ACC a głodem.

usuń postać nadrzędną

Rysunek 3. (A, B) Korelacje między ACC w mózgu a aktywnością soczewkowatą i subiektywnym pragnieniem podczas grania w pierwszym skanie. (C, D) Korelacje między ACC w mózgu a aktywnością soczewkowatą i subiektywnym głodem podczas gry w drugim skanie. (E, F) Korelacje między ACC w mózgu a aktywnością soczewkowatą i subiektywnym głodem podczas gry w drugim - pierwszym skanie

Skuteczna łączność soczewkowata ACC u pacjentów z IGD

Następnie przeanalizowaliśmy efektywną łączność między lewym ACC i lewym soczewkowatym za pomocą dynamicznego modelowania przyczynowego (DCM) w dwóch punktach czasowych. Zastosowane węzły zdefiniowano na podstawie wyników interakcji przedstawionych powyżej. Spośród kilku regionów mózgu zidentyfikowanych w analizach całego mózgu ACC znajduje się w sieci wykonawczej kontroli, a jądro soczewkowate w sieci nagrody. Biorąc pod uwagę naszą hipotezę, że kontrola wykonawcza nad głodem powinna zostać zmieniona podczas powrotu do zdrowia po IGD, wybraliśmy te dwa regiony mózgu jako regiony zainteresowania w tym badaniu do analiz łączności. Innymi słowy, wybraliśmy te dwa regiony jako elementy sieci kontroli wykonawczej i wynagrodzeń, aby zbadać interakcje między tymi dwoma systemami w procesie odzyskiwania po IGD.

Wzięliśmy współrzędną piku gromad (lokalne maksima na mapie statystycznej) jako centralny punkt do stworzenia kul o promieniu 6 mm [lewy soczewkowaty (−21, 3, 21); ACC (−3, 39, 6)]. W każdej kuli zawarto około 33 wokseli. Te regiony zidentyfikowane dla każdej grupy zostały włączone do sieci dynamicznej, a DCM wykorzystano do ustalenia najbardziej prawdopodobnej struktury sieci, biorąc pod uwagę dane.

W przypadku łączności stałej szacunki DCM wykazały znacznie zwiększoną łączność soczewkowatą ACC, gdy pacjenci z IGD wyzdrowiali (t = 3.167, p = 003). Podobnie, łączność soczewkowata – ACC była również znacząco zwiększona, gdy osoby z IGD wyzdrowiały (t = 4.399, p <001).

Podobne cechy zaobserwowano również, gdy badani byli narażeni na sygnały z gier. Jeśli chodzi o efekty modulujące, szacunki DCM wykazały znacznie zwiększoną łączność soczewkowatą ACC po wyleczeniu pacjentów z IGD (t = 2.769, p = 009). Jednak łączność soczewkowata – ACC była tylko nieznacznie zwiększona, gdy osoby z IGD wyzdrowiały (t = 1.798, p = 09; Postać 4).

usuń postać nadrzędną

Rysunek 4. DCM powoduje pojawienie się podmiotów IGD, gdy aktywnie grają problematycznie i podczas odzyskiwania. (A) Węzły wybrane do dalszej analizy. (B) Zmiany w ustalonych efektach między ACC i soczewkowatymi obszarami zainteresowania w różnych punktach czasowych. (C) Zmiany w efektach modulacyjnych między ACC a obszarami zainteresowań soczewkowatymi w różnych punktach czasowych

Dyskusja

W tym badaniu badano cechy neuronalne reaktywności sygnałów u osób z IGD w kierunku podłużnym w celu zidentyfikowania czynników neuronalnych związanych z odzyskiem. Zmniejszone reakcje mózgu na sygnały gry w jądrze soczewkowatym i ACC były związane z powrotem do zdrowia. Po powrocie do zdrowia zaobserwowano także lepsze skuteczne połączenia soczewkowate ACC u pacjentów z IGD. Odkrycia sugerują, że interakcje między systemami wynagrodzeń a systemami kontroli wykonawczej mogą być ważne w IGD.

Zmniejszona wrażliwość na sygnały w grach

Zgodnie z naszą hipotezą stwierdzono zmniejszenie aktywacji związanych z grą w obszarach mózgu związanych z obwodem nagrody [soczewkowata, brzuszno-środkowa kora przedczołowa (vmPFC, w tym kora oczodołowo-czołowa (OFC))], gdy osoby z IGD wyzdrowiały z gry. Obwody nagrody mogą wpływać na motywację lub cel -kierowane zachowania i przetwarzanie nagród (Ikemoto, Yang i Tan, 2015; Sayette, 2016), w tym w uzależnieniach (Balodis i Potenza, 2015; Cheng i in., 2016; Tobler i in., 2016; Yang i in., 2017). System nagród można aktywować, gdy osoby są narażone na odpowiednie bodźce związane z używaniem substancji lub zaburzeniami hazardowymi (Balodis i in., 2012; Worhunsky, Malison, Rogers i Potenza, 2014) oraz w IGD (Ko i in., 2009; Liu i in., 2017; Sun i in., 2012). Osoby z IGD w porównaniu z osobami regularnie używającymi gry wykazały wyższą aktywację soczewkowatą do wskazówek w grach, co jest zgodne z reaktywnością pamięci i objawami głodu w zaburzeniach używania substancji (Dong i in., 2017; Dong, Wang i in., 2018).

W tym badaniu stwierdzono zmniejszenie aktywacji w jądrze soczewkowatym i innych obszarach mózgu związanych z nagrodą po wyzdrowieniu. Odkrycia sugerują, że odpowiedź neuronowa na sygnały gry zmniejsza się po wyzdrowieniu, co jest zgodne z wcześniejszymi badaniami porównującymi IGD z kontrolami (Kim i in., 2018; Ko i in., 2013; Ma i in., 2019). Korelacje między spadkami aktywacji soczewkowatych a zgłaszanym przez siebie głodem wywoływanym przez pamięć wskazującą potwierdzają pogląd, że zmniejszona reaktywność nerwowa w soczewkowatym może leżeć u podstaw zmniejszonej odpowiedzi głodowej wywołanej przez regenerację w IGD i mogą mieć istotny związek ze zmniejszonymi motywacjami do nadmiernego angażowania się w zachowania w grach. Nasze poprzednie badanie wykazało, że zachowania w grach mogą zwiększyć głód ochotników (Dong, Wang i in., 2018). Co więcej, wcześniej informowaliśmy, że większa aktywacja soczewkowatych sygnałów w grach była związana z pojawieniem się IGD u osób regularnie korzystających z gier (Dong, Wang, Liu i in., 2019). Badanie to sugeruje, że podczas zdrowienia spadek liczby problematycznych gier wiąże się ze zmniejszeniem apetytu w IGD, przy czym jądro soczewkowate jest zaangażowane w ten związek. Podsumowując, odkrycia sugerują ważną rolę jądra soczewkowatego i głodu wywołanego wskazówką w przejściach między IGD a regularnym używaniem zwierzyny i odwrotnie. Dokładne relacje (np. Czy zmniejszone granie prowadzi do zmniejszonej reaktywności soczewkowatej i zmniejszonego głodu lub czy zmniejszona reakcja soczewkowata prowadzi do zmniejszonego głodu i zmniejszonej gry) wymagają dalszych badań.

Kontrola głodu po wyzdrowieniu

Innym regionem mózgu wykazującym różnice w grupach był ACC, który jest zaangażowany w kontrolę wykonawczą i inne procesy. W przeciwieństwie do naszej hipotezy, aktywacja została zmniejszona w ACC (jak również w MFG) po wyzdrowieniu. Zidentyfikowany klaster obejmował ACC i MFG i został rozszerzony brzusznie, aby objąć vmPFC i OFC. Warto zauważyć, że przyśrodkowa kora przedczołowa jest powiązana z wywoływanym przez kaszel głodem uzależnień od substancji, takich jak zaburzenie używania kokainy (Kober i in., 2016; Wexler i in., 2001), przetwarzanie nagród, szczególnie w fazie powiadomień lub wyników (Knutson, Fong, Adams, Varner i Hommer, 2001; Knutson i Greer, 2008), podejmowanie decyzji (Tanabe i in., 2007), przetwarzanie w trybie domyślnym (Harrison i in., 2017) i inne procesy (Li, Mai i Liu, 2014). Biorąc pod uwagę, że zadanie zastosowane w tym badaniu koncentrowało się na głodzie wywoływanej przez wskazania, kuszące jest spekulowanie, że względnie zmniejszona aktywacja obserwowana w klastrze obejmującym OFC / vmPFC / ACC / MFG może odnosić się do zmniejszonej reaktywności pamięci, chociaż ta interpretacja jest mniejsza poparte danymi niż wyniki lentiform, biorąc pod uwagę brak korelacji z samozwańczymi pragnieniami.

Biorąc pod uwagę, że ACC i inne korowe obszary mózgu są zaangażowane w kontrolę wykonawczą lub kontrolę poznawczą (Rolls, 2000), w tym u osób z uzależnieniami (Filbey i in., 2008; Franklin i in., 2007; Kosten i in., 2005; Myrick i in., 2004; Wrase i in., 2002), możliwe jest, że osoby z IGD, które wyzdrowiały, wykazują bardziej wydajne przetwarzanie regionów kontrolnych w porównaniu do tego, kiedy grały problematycznie. Aby zbadać związki między ACC a działaniem soczewkowatym, zastosowaliśmy DCM i stwierdziliśmy, że połączenia zostały zwiększone po odzyskaniu. Zgodnie z psychofizjologicznymi interpretacjami funkcjonalnych połączeń między tymi regionami mózgu (Havlicek i in., 2015; Stephan i in., 2010), wyższe wartości w połączeniach ACC – soczewkowatych i soczewkowatych – ACC podczas powrotu do zdrowia w porównaniu do czasów, gdy problemy z grą sugerują, że interakcje między tymi dwoma regionami mózgu są bardziej skuteczne u osób po odzyskaniu zdrowia. Jako takie, przyszłe badania powinny zbadać, w jakim stopniu odzwierciedla to mechanizm bardziej efektywnego kontrolowania głodu, współbieżnego łączenia regionów zaangażowanych w przetwarzanie nagrody lub motywacji związanych z głodem lub innych możliwości.

Znaczenie i implikacje kliniczne

Modele teoretyczne zaproponowały ważne role dla korowych i podkorowych obszarów mózgu w zachowaniach i zaburzeniach korzystania z Internetu. Ostatnia aktualizacja modelu I-PACE (Brand i wsp., 2019) zaproponowała mechanizmy behawioralne i neuronalne związane z przejściami w zaburzeniach korzystania z Internetu, takich jak IGD. W tym modelu reaktywność i zmiany w obwodach zwojów kory mózgowej do podstawy były istotnymi składnikami, zgodnymi z ustaleniami z tego badania. Warto zauważyć, że zaktualizowany model I-PACE proponuje również rolę dla wyspy (Brand i wsp., 2019), zgodne ze zmianami reaktywności w zakresie wskazań i głodu oraz aktywacją wysp i łączności u osób z IGD otrzymujących interwencję głodowo-behawioralną (Zhang i in., 2016b). Ponadto dane dotyczące stanu spoczynku z tej samej kohorty sugerowały zmniejszoną łączność (np. Między OFC a hipokampem oraz między tylnym zakrętem obręczy a regionami związanymi z motorami; Zhang i in., 2016a). W związku z tym to i inne niedawne badania sugerują potencjalne neuronowe cele interwencji (np. Stosowanie metod modulacji mózgu, takich jak szybka przezczaszkowa stymulacja magnetyczna lub przezczaszkowa stymulacja prądem stałym) w celu zmniejszenia apetytu i promowania powrotu do zdrowia w IGD. Podejścia behawioralne ukierunkowane na głód i mogące działać poprzez wspólne lub odrębne mechanizmy neuronalne (np. Terapie poznawczo-behawioralne i oparte na uważności) również powinny być rozważane w świetle obecnych odkryć, zwłaszcza biorąc pod uwagę ważną rolę terapii behawioralnych w leczeniu uzależnień oraz wartość zrozumienia, jak określone terapie mogą działać na poziomie neurobiologicznym.

Ograniczenia

Należy wymienić kilka ograniczeń. Po pierwsze, nie uwzględniliśmy zdrowych osób kontrolnych w tym badaniu. Chociaż stwierdziliśmy, że historia gier nie była związana z dotkliwością IGD (r = .088, p = 494), a także uwzględniła historię gier jako czynnik w GLM, grupa kontrolna mogła być pomocna w zrozumieniu danych (np. W odniesieniu do możliwych efektów test-retest). Po drugie, większość badanych stanowili mężczyźni (tylko pięć kobiet). W związku z tym przyszłe badania powinny zbadać zakres, w jakim odkrycia mogą dotyczyć populacji kobiet, zwłaszcza że różnice związane z płcią zaobserwowano w neuronalnych korelatach w populacjach IGD (Dong, Wang i in., 2018; Dong, Wang, Wang i in., 2019; Dong, Zheng i in., 2018). Po trzecie, chociaż przeprowadziliśmy analizę DCM, która sugeruje, że kontrola wykonawcza nad aktywacją soczewkowatą może się poprawić wraz z powrotem do zdrowia, nie możemy wykluczyć innych możliwych wyjaśnień, które należy zbadać bezpośrednio w przyszłych badaniach.

wnioski

Osoby z IGD w okresie zdrowienia wykazują zmniejszone reakcje głodu na sygnały gry na poziomie subiektywnym i nerwowym. Przyszłe badania powinny bezpośrednio zbadać, w jakim stopniu wyniki wskazują na korową kontrolę procesów podkorowych w odpowiedziach na głód w porównaniu z innymi możliwościami, i powinny zbadać, w jaki sposób interwencje skierowane na interakcje między korą a podkorą mogą być skuteczne w leczeniu IGD.

GD zaprojektowało to zadanie i napisało pierwszy szkic manuskryptu. MW i JZ zgromadziły i przeanalizowały dane oraz przygotowały liczby i tabele. XD przyczynił się do gromadzenia i przygotowania danych. MNP uczestniczył w procesach edycji, interpretacji i weryfikacji. Wszyscy autorzy przyczynili się i zaakceptowali ostateczną wersję manuskryptu.

Konflikt interesów

Autorzy nie zgłaszają finansowych konfliktów interesów w odniesieniu do treści tego manuskryptu. Dr MNP otrzymał rekompensatę finansową za konsultacje i porady dla RiverMend Health, Opiant / Lightlake Therapeutics i Jazz Pharmaceuticals; otrzymał nieograniczone wsparcie badawcze (dla Yale) od Mohegan Sun Casino i udziela wsparcia (dla Yale) z National Center for Responsible Gaming; oraz konsultował się lub doradzał podmiotom prawnym i hazardowym w kwestiach związanych z uzależnieniami i zaburzeniami kontroli impulsów.

Aarset, E., Fasola, JESTEM., Boonena, H., Zimniejsze Carras, M., Coulson, M., Das D., Deleuze, J., Dunkle, E., Edmanie, J., Fergusonie, C. J., Haagsma M. C., Helmerssona Bergmarka, K., Husajnie, Z., Jansz, J., Kardefelt-Winther, D., Kutnera, L., Markeyu, P., Nielsen, R. K. L., Pochwała, N., Przybylskiego, A., Kwant, T., Schimmenti, A., Starcevic, V., Stutmana, G., van Looy, J., & Van Rooij, A. J. (2017). Dokument do dyskusji otwartej przez naukowców na temat propozycji Światowej Organizacji Zdrowia ICD-11 Zaburzenia gry. Journal of Behavioral Addictions, 6 (3), 267-270. doi:https://doi.org/10.1556/2006.5.2016.088 PołączyćGoogle Scholar
Ahn H. M., Czung, H. J., & Kim, S. H. (2015). Zmieniona reaktywność mózgu na sygnały gry po doświadczeniu w grach. Zachowanie cyberpsychologiczne i sieci społecznościowe, 18 (8), 474-479. doi:https://doi.org/10.1089/cyber.2015.0185 CrossRef, MedlineGoogle Scholar
Amerykańskie Stowarzyszenie Psychiatryczne. (2013). Podręcznik diagnostyczny i statystyczny zaburzeń psychicznych (5th ed.). Washington, DC: American Psychiatric Association. CrossRefGoogle Scholar
Balodis I. M., Kober H., Worhuński, P. D., Stevens, M. C., Pearlsonie, G. D., & Potenza, M. N. (2012). Udział w wzlotach i upadkach prążkowia w uzależnieniach. Biological Psychiatry, 72 (10), e25-e26. doi:https://doi.org/10.1016/j.biopsych.2012.06.016 CrossRef, MedlineGoogle Scholar
Balodis I. M., & Potenza, M. N. (2015). Przewidywane przetwarzanie wynagrodzeń w uzależnionych populacjach: nacisk na zadanie opóźnienia pieniężnego. Biological Psychiatry, 77 (5), 434-444. doi:https://doi.org/10.1016/j.biopsych.2014.08.020 CrossRef, MedlineGoogle Scholar
Berridge, K. C., & Kringelbach M. L. (2015). Systemy przyjemności w mózgu. Neuron, 86 (3), 646-664. doi:https://doi.org/10.1016/j.neuron.2015.02.018 CrossRef, MedlineGoogle Scholar
Marka, M., Wegmann, E., Sztywny, R., Müllera, A., Wilk, K., Robbins, T. W., & Potenza, M. N. (2019). Model interakcji person-afekt-poznawanie-wykonanie (I-PACE) dla zachowań uzależniających: aktualizacja, uogólnienie do zachowań uzależniających poza zaburzeniami korzystania z Internetu oraz specyfikacja procesowego charakteru zachowań uzależniających. Neuroscience and Biobehavioral Reviews, 104, 1-10. doi:https://doi.org/10.1016/j.neubiorev.2019.06.032 CrossRef, MedlineGoogle Scholar
Marka, M., Młody, K. S., Laier, C., Wölfling, K., & Potenza, M. N. (2016). Integracja rozważań psychologicznych i neurobiologicznych dotyczących rozwoju i utrzymywania określonych zaburzeń związanych z korzystaniem z Internetu: Interakcja modelu Person-Affect-Cognition-Execution (I-PACE). Neuroscience and Biobehavioral Reviews, 71, 252-266. doi:https://doi.org/10.1016/j.neubiorev.2016.08.033 CrossRef, MedlineGoogle Scholar
Bush G., Luu P., & Posnera, M. I. (2000). Wpływy poznawcze i emocjonalne w przedniej części kory obręczy. Trendy w naukach poznawczych, 4 (6), 215-222. doi:https://doi.org/10.1016/S1364-6613(00)01483-2 CrossRef, MedlineGoogle Scholar
Chang, F. C., Chiu C. H., Zawietrzny, CM., Chen, P. H., & Miao N. F. (2014). Predyktory inicjacji i uporczywości uzależnienia od Internetu wśród nastolatków na Tajwanie. Wciągające zachowania, 39 (10), 1434-1440. doi:https://doi.org/10.1016/j.addbeh.2014.05.010 CrossRef, MedlineGoogle Scholar
Cheng Y., Huang, C. C., Mama, T., Wei X., Łang, X., Lu, J., & Łang, J. (2016). Wyraźne wzmocnienie synaptyczne prążkowia bezpośrednich i pośrednich ścieżek napędza spożycie alkoholu. Biological Psychiatry, 81 (11), 918-929. doi:https://doi.org/10.1016/j.biopsych.2016.05.016 CrossRef, MedlineGoogle Scholar
Choi J. S., Park, S. M., Tak, SM., Zawietrzny, J. Y., Park, C. B., Hwang, J. Y., Gwak, A. R., & Junga, H. Y. (2014). Dysfunkcjonalna kontrola hamowania i impulsywność w uzależnieniu od Internetu. Badania psychiatryczne, 215 (2), 424-428. doi:https://doi.org/10.1016/j.psychres.2013.12.001 CrossRef, MedlineGoogle Scholar
Sternik, L. S., Muślin, S. T., & Ochrzcić, A. G. (2001). Ocena krótkiego kwestionariusza na temat palenia (QSU-brief) w warunkach laboratoryjnych i klinicznych. Badania nikotyny i tytoniu, 3 (1), 7-16. doi:https://doi.org/10.1080/14622200020032051 CrossRef, MedlineGoogle Scholar
Dalley, J. W., Everitcie, B. J., & Robbins, T. W. (2011). Impulsywność, kompulsywność i odgórna kontrola poznawcza. Neuron, 69 (4), 680-694. doi:https://doi.org/10.1016/j.neuron.2011.01.020 CrossRef, MedlineGoogle Scholar
Buc, G., & Potenza, M. N. (2014). Kognitywno-behawioralny model zaburzeń gier internetowych: teoretyczne podstawy i implikacje kliniczne. Journal of Psychiatric Research, 58, 7-11. doi:https://doi.org/10.1016/j.jpsychires.2014.07.005 CrossRef, MedlineGoogle Scholar
Buc, G., & Potenza, M. N. (2016). Podejmowanie ryzyka i ryzykowne podejmowanie decyzji w przypadku zaburzeń gier internetowych: implikacje dotyczące gier online w kontekście negatywnych konsekwencji. Journal of Psychiatric Research, 73, 1-8. doi:https://doi.org/10.1016/j.jpsychires.2015.11.011 CrossRef, MedlineGoogle Scholar
Buc, G., Łang, L., Du, X., & Potenza, M. N. (2017). Gry zwiększają apetyt na bodźce związane z grą u osób z zaburzeniami gry w Internecie. Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, 2 (5), 404-412. doi:https://doi.org/10.1016/j.bpsc.2017.01.002 CrossRef, MedlineGoogle Scholar
Buc, G., Łang, L., Du, X., & Potenza, M. N. (2018). Różnice związane z płcią w reakcjach neuronowych na wskazówki dotyczące gier przed i po graniu: konsekwencje wrażliwości związanej z płcią na zaburzenia w grach internetowych. Społeczna neurologia kognitywna i afektywna, 13 (11), 1203-1214. doi:https://doi.org/10.1093/scan/nsy084 CrossRef, MedlineGoogle Scholar
Buc, G., Łang, M., Liu, X., Liang Q., Du, X., & Potenza, M. N. (2020). Wywołana przez pamięć aktywacja soczewkowatego głodu podczas deprywacji w grach wiąże się z pojawieniem się zaburzeń w grach internetowych. Addiction Biology, 25 (1), e12713. doi:https://doi.org/10.1111/adb.12713 CrossRef, MedlineGoogle Scholar
Buc, G., Łang, Z., Łang, Y., Du, X., & Potenza, M. N. (2019). Związana z płcią funkcjonalna łączność i głód podczas gry oraz natychmiastowa abstynencja podczas obowiązkowej przerwy: Implikacje dla rozwoju i postępu zaburzeń gier internetowych. Postęp w Neuropsychofarmakologii i Psychiatrii Biologicznej, 88, 1-10. doi:https://doi.org/10.1016/j.pnpbp.2018.04.009 CrossRef, MedlineGoogle Scholar
Buc, G., Zheng H., Liu, X., Łang, Y., Du, X., & Potenza, M. N. (2018). Różnice związane z płcią w wywoływanych przez pamięć żądzach w zaburzeniach gier internetowych: Skutki deprywacji. Journal of Behavioral Addictions, 7 (4), 953-964. doi:https://doi.org/10.1556/2006.7.2018.118 PołączyćGoogle Scholar
Buc, G., Zhou, H., & Zhao X. (2010). Hamowanie impulsów u osób z zaburzeniami uzależnienia od Internetu: dowody elektrofizjologiczne z badania Go / NoGo. Neuroscience Letters, 485 (2), 138-142. doi:https://doi.org/10.1016/j.neulet.2010.09.002 CrossRef, MedlineGoogle Scholar
Dowling, N. A. (2014). Problemy podniesione przez klasyfikację zaburzeń gier internetowych DSM-5 i proponowane kryteria diagnostyczne. Uzależnienie, 109 (9), 1408-1409. doi:https://doi.org/10.1111/add.12554 CrossRef, MedlineGoogle Scholar
Ersche K. D., Turton, A. J., Szambelan, S. R., Muüllera, U., Bullmore, E. T., & Robbins, T. W. (2012). Zaburzenia funkcji poznawczych i niespokojno-impulsywne cechy osobowości są endofenotypami uzależnienia od narkotyków. American Journal of Psychiatry, 169 (9), 926-936. doi:https://doi.org/10.1176/appi.ajp.2012.11091421 CrossRef, MedlineGoogle Scholar
Filbey, F. M., Claus, E., auditka, A. R., Niculescu M., Banicha, M. T., Tanabe, J., Du, Y. P., & Hutchisonie, K. E. (2008). Narażenie na smak alkoholu wywołuje aktywację układu nerwowego mezokortykolimbicznego. Neuropsychofarmakologia, 33 (6), 1391-1401. doi:https://doi.org/10.1038/sj.npp.1301513 CrossRef, MedlineGoogle Scholar
Franklin, T. R., Łang, Z., Łang, J., Sciortino, N., Harfiarka, D., Li, Y., Erman, R., Kampmana, K., O'Brien, C. P., Odstraszać, J. A., & Dziecięca, A. R. (2007). Aktywacja limbiczna do wskazówek palenia papierosów niezależnych od odstawienia nikotyny: badanie fMRI perfuzji. Neuropsychofarmakologia, 32 (11), 2301-2309. doi:https://doi.org/10.1038/sj.npp.1301371 CrossRef, MedlineGoogle Scholar
Ogrodniku, P. H., McMillanie, B., Raynorze, D. K., Wełna, E., & Knappa, P. (2011). Wpływ liczenia na rozumienie informacji o lekach u użytkowników strony z informacjami dla pacjentów. Poradnictwo dla pacjentów i edukacji, 83 (3), 398-403. doi:https://doi.org/10.1016/j.pec.2011.05.006 CrossRef, MedlineGoogle Scholar
Hall, E. W., Sanchez T. H., Stein A. D., Stephensona, R., Złotorzyńska, M., sineth, R. C., & Sullivana, P. S. (2017). Wykorzystanie filmów poprawia zrozumienie świadomej zgody w ankietach internetowych wśród mężczyzn korzystających z Internetu, którzy uprawiają seks z mężczyznami: Randomizowane kontrolowane badanie. Journal of Medical Internet Research, 19 (3), e64. doi:https://doi.org/10.2196/jmir.6710 CrossRef, MedlineGoogle Scholar
Harrison, B. J., Fullana, M. A., Przez, E., Soriano-Mas C., Vervliet, B., Martinez-Zalacain, I., Pujol, J., Davey, C. G., Kirchera, T., Straube B., & Kardono, N. (2017). Ludzka brzuszno-przednia kora przedczołowa i pozytywne przetwarzanie afektywne sygnałów bezpieczeństwa. Neuroobraz, 152, 12-18. doi:https://doi.org/10.1016/j.neuroimage.2017.02.080 CrossRef, MedlineGoogle Scholar
Havlicka, M., Roebroecka, A., Fryston, K., Gardumi, A., Iwanow, D., & Uludag K. (2015). Fizjologicznie poinformowane dynamiczne modelowanie przyczynowe danych fMRI. Neuroobraz, 122, 355-372. doi:https://doi.org/10.1016/j.neuroimage.2015.07.078 CrossRef, MedlineGoogle Scholar
Hawi, N. S., Samaha M., & Griffiths, M. D. (2018). Zaburzenia gier internetowych w Libanie: relacje z wiekiem, nawykami snu i osiągnięciami akademickimi. Journal of Behavioral Addictions, 7 (1), 70-78. doi:https://doi.org/10.1556/2006.7.2018.16 PołączyćGoogle Scholar
on, Q., Huang, X., Zhang, S., Turecki, O., Mama, L., & Bechara, A. (2019). Dynamiczne modelowanie przyczynowe aktywności kory wyspowej, prążkowia i przedczołowej podczas specyficznego dla żywności zadania Go / NoGo. Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, 4 (12), 1080-1089. doi:https://doi.org/10.1016/j.bpsc.2018.12.005 CrossRef, MedlineGoogle Scholar
Ikemoto, S., Yang, C., & Dębnik, A. (2015). Pętle obwodu zwojów podstawy mózgu, dopamina i motywacja: przegląd i zapytanie. Behavioral Brain Research, 290, 17-31. doi:https://doi.org/10.1016/j.bbr.2015.04.018 CrossRef, MedlineGoogle Scholar
Kim, S. N., Kim, M., Zawietrzny, T. H., Zawietrzny, J. Y., Park, S., Park, M., Kim, D. J., Kwon, J. S., & Choi J. S. (2018). Zwiększone nastawienie uwagi na sygnały wizualne w zaburzeniach gier internetowych i zaburzeniach obsesyjno-kompulsyjnych: potencjalne badanie związane ze zdarzeniem. Frontiers in Psychiatry, 9, 315. doi:https://doi.org/10.3389/fpsyt.2018.00315 CrossRef, MedlineGoogle Scholar
Król, D. L.I konsorcjum reagowania na potrzeby branży gier. (2018). Skomentuj oświadczenie globalnej branży gier na temat zaburzeń gry ICD-11: Strategia korporacyjna polegająca na ignorowaniu szkód i odpowiedzialności społecznej? Uzależnienie, 113 (11), 2145-2146. doi:https://doi.org/10.1111/add.14388 CrossRef, MedlineGoogle Scholar
Knutsonie, B., Fong, G. W., Adamsa, CM., Warner, J L., & Hommer D. (2001). Dysocjacja przewidywania nagrody i wynik z fMRI związanym ze zdarzeniem. Neuroreport, 12 (17), 3683-3687. doi:https://doi.org/10.1097/00001756-200112040-00016 CrossRef, MedlineGoogle Scholar
Knutsonie, B., & Greer S. M. (2008). Wpływ antycypacyjny: Korelacje neuronalne i konsekwencje wyboru. Transakcje filozoficzne Royal Society of London, 363 (1511), 3771-3786. doi:https://doi.org/10.1098/rstb.2008.0155 CrossRef, MedlineGoogle Scholar
Ko, C. H., Liu, G. C., Hsiao, S., Jen, J. Y., Yang, M. J., Lin, TOALETA., Jen, C. F., & Chen, C. S. (2009). Aktywność mózgu związana z uzależnieniem od hazardu online. Journal of Psychiatric Research, 43 (7), 739-747. doi:https://doi.org/10.1016/j.jpsychires.2008.09.012 CrossRef, MedlineGoogle Scholar
Ko, C. H., Liu, G. C., Jen, J. Y., Jen, C. F., Chen, C. S., & Lin, TOALETA. (2013). Aktywacje mózgowe zarówno dla popędów związanych z grą, jak i głodu palenia wśród osób współwystępujących z uzależnieniem od gier internetowych i uzależnieniem od nikotyny. Journal of Psychiatric Research, 47 (4), 486-493. doi:https://doi.org/10.1016/j.jpsychires.2012.11.008 CrossRef, MedlineGoogle Scholar
Ko, C. H., Liu, T. L., Łang, P. W., Chen, C. S., Jen, C. F., & Jen, J. Y. (2014). Zaostrzenie depresji, wrogości i lęków społecznych w trakcie uzależnienia od Internetu wśród nastolatków: badanie prospektywne. Kompleksowa psychiatria, 55 (6), 1377-1384. doi:https://doi.org/10.1016/j.comppsych.2014.05.003 CrossRef, MedlineGoogle Scholar
Ko, C. H., Łang, P. W., Liu, T. L., Jen, C. F., Chen, C. S., & Jen, J. Y. (2015). Dwukierunkowe związki między czynnikami rodzinnymi a uzależnieniem od Internetu wśród nastolatków w prospektywnym dochodzeniu. Psychiatria i neurologia kliniczna, 69 (4), 192-200. doi:https://doi.org/10.1111/pcn.12204 CrossRef, MedlineGoogle Scholar
Kober H., Lacadie, CM., Wexlera, BYĆ., Malisonie, R. T., Sinha, R., & Potenza, M. N. (2016). Aktywność mózgu podczas głodu kokainy i hazardu: badanie fMRI. Neuropsychofarmakologia, 41 (2), 628-637. doi:https://doi.org/10.1038/npp.2015.193 CrossRef, MedlineGoogle Scholar
Kober H., Mende-Siedleckiego, P., Kross, E. F., Weber, J., Miszel, W., Jeleń, C. L., & Ochsnera, K. N. (2010). Ścieżka przedczołowo-prążkowia leży u podstaw poznawczej regulacji głodu. Postępowania z National Academy of Sciences of United States of America, 107 (33), 14811-14816. doi:https://doi.org/10.1073/pnas.1007779107 CrossRef, MedlineGoogle Scholar
koszty T. R., Scanleya, BYĆ., Wielkie żarcie, K. A., Oliveto A., Prince, C., Sinha, R., Potenza, M. N., Skudlarskiego, P., & Wexlera, BYĆ. (2005). Wywołane wskazówkami zmiany aktywności mózgu i nawrót choroby u pacjentów uzależnionych od kokainy. Neuropsychofarmakologia, 31 (3), 644-650. doi:https://doi.org/10.1038/sj.npp.1300851 CrossRefGoogle Scholar
Lau J. T. F., Wu, A. M. S., Obrzydliwy, D. L., Cheng K. M., & Lau M. M. G. (2017). Czy uzależnienie od Internetu jest przejściowe czy trwałe? Częstość występowania i potencjalne predyktory remisji uzależnienia od Internetu wśród chińskich uczniów szkół średnich. Wciągające zachowania, 74, 55-62. doi:https://doi.org/10.1016/j.addbeh.2017.05.034 CrossRef, MedlineGoogle Scholar
Lecrubier Y., Sheehan, D. V., Weillera, E., Amory, P., Bonora, I., Sheehan, K. H., Janawowie, J., & Dunbara, G. C. (1997). Mini International Neuropsychiatric Interview (MINI). Krótki ustrukturyzowany wywiad diagnostyczny: Wiarygodność i ważność zgodnie z CIDI. Europejska psychiatria, 12 (5), 224-231. doi:https://doi.org/10.1016/S0924-9338(97)83296-8 CrossRefGoogle Scholar
Leeman, R. F., & Potenza, M. N. (2012). Podobieństwa i różnice między patologicznym hazardem a zaburzeniami używania narkotyków: nacisk na impulsywność i kompulsywność. Psychofarmakologia (Berlin), 219 (2), 469-490. doi:https://doi.org/10.1007/s00213-011-2550-7 CrossRef, MedlineGoogle Scholar
Li, W., Mai X., & Liu, C. (2014). Sieć trybu domyślnego i społeczne zrozumienie innych: Co mówią nam badania połączeń mózgowych. Granice w ludzkiej neuronauce, 8, 74. doi:https://doi.org/10.3389/fnhum.2014.00074 CrossRef, MedlineGoogle Scholar
Liu, L., Tak, POŁUDNIOWY ZACHÓD., Zhang, J. T., Łang, L. J., Shena, Z. J., Liu, B., Mama, S. S., Tak, Y. W., & Kieł, X. Y. (2017). Aktywacja brzusznego i grzbietowego prążkowia podczas reaktywności cue w zaburzeniach gier internetowych. Addiction Biology, 22 (3), 791-801. doi:https://doi.org/10.1111/adb.12338 CrossRef, MedlineGoogle Scholar
Mama, S. S., Worhuński, P. D., Xu J. S., Tak, POŁUDNIOWY ZACHÓD., Zhou, N., Zhang, J. T., Liu, L., Łang, L. J., Liu, B., Tak, Y. W., Zhang, S., & Kieł, X. Y. (2019). Zmiany w funkcjonalnych sieciach podczas reaktywności cue w zaburzeniach gier internetowych. Journal of Behavioral Addictions, 8 (2), 277-287. doi:https://doi.org/10.1556/2006.8.2019.25 PołączyćGoogle Scholar
Myricku, H., Anton, R. F., Li, X., Henderson, S., Droby, D., Woronin, K., & George, SM. (2004). Różnicowanie aktywności mózgu u alkoholików i osób pijących w towarzystwie od sygnałów alkoholowych: Związek z głodem alkoholu. Neuropsychofarmakologia, 29 (2), 393-402. doi:https://doi.org/10.1038/sj.npp.1300295 CrossRef, MedlineGoogle Scholar
Nuyens F., Deleuze, J., Maurage, P., Griffiths, M. D., Kuss, D. J., & Billieux, J. (2016). Impulsywność w wieloosobowych graczach na arenie bitewnej: wstępne wyniki eksperymentalnych i samodzielnych raportów. Journal of Behavioral Addictions, 5 (2), 351-356. doi:https://doi.org/10.1556/2006.5.2016.028 PołączyćGoogle Scholar
Pawlikowski, M., & Marka, M. (2011). Nadmierna gra internetowa i podejmowanie decyzji: czy nadmierni gracze World of Warcraft mają problemy z podejmowaniem decyzji w ryzykownych warunkach? Badania Psychiatrii, 188 (3), 428-433. doi:https://doi.org/10.1016/j.psychres.2011.05.017 CrossRef, MedlineGoogle Scholar
Petry, N. M., Rehbeina, F., Poganin, D. A., Lemmens, J. S., Rumpf, H. J., Mößle T., Bischof, G., Tao R., Grzyb D. S., Borgesa, G., Auriacombe, M., González Ibáñez A., tam, P., & O'Brien, C. P. (2014). Międzynarodowy konsensus w sprawie oceny zaburzeń gier internetowych przy użyciu nowego podejścia DSM-5. Uzależnienie, 109 (9), 1399-1406. doi:https://doi.org/10.1111/add.12457 CrossRef, MedlineGoogle Scholar
Petry, N. M., Rehbeina, F., Ko, C. H., & O'Brien, C. P. (2015). Zaburzenia gier internetowych w DSM-5. Bieżące raporty psychiatryczne, 17 (9), 72. doi:https://doi.org/10.1007/s11920-015-0610-0 CrossRef, MedlineGoogle Scholar
Potenza, M. N., Balodis I. M., Franko, C. A., Byczek, S., Xu J., Czung, T., & Dotacja, J. E. (2013). Zagadnienia neurobiologiczne w rozumieniu leczenia behawioralnego patologicznego hazardu. Psychologia uzależniających zachowań, 27 (2), 380-392. doi:https://doi.org/10.1037/a0032389 CrossRef, MedlineGoogle Scholar
Potenza, M. N., Steinberg, M. A., Skudlarskiego, P., Fulbrighta, R. K., Lacadie, CM., Wilberze, M. K., Rounsaville B. J., & Gore, J. C. (2003). Zachęcanie do hazardu w patologii: funkcjonalne badanie obrazowania metodą rezonansu magnetycznego. Archives of General Psychiatry, 60 (8), 828-836. doi:https://doi.org/10.1001/archpsyc.60.8.828 CrossRef, MedlineGoogle Scholar
Qi X., Yang, Y., Dai S., Gao P., Du, X., Zhang, Y., Du, G., Li, X., & Zhang, Q. (2016). Wpływ wyniku na kowariancję między poziomem ryzyka a aktywnością mózgu u nastolatków z zaburzeniami gier internetowych. NeuroImage: kliniczne, 12, 845-851. doi:https://doi.org/10.1016/j.nicl.2016.10.024 CrossRef, MedlineGoogle Scholar
Rolki, E. T. (2000). Kora oczodołowo-czołowa i nagroda. Kora mózgowe, 10 (3), 284-294. doi:https://doi.org/10.1093/cercor/10.3.284 CrossRef, MedlineGoogle Scholar
Rumpf, H. J., Achab, S., Billieux, J., Bowden-Jones H., Carragher, N., Demetrovics, Z., Higuczi, S., Król, D. L., Mann, K., Potenza, M., Saundersa, J. B., Abbott, M., Ambekara, A., Arikaku, O. T., Assanangkornchai, S., Bahar, N., Borgesa, G., Marka, M., Chan, E. M., Czung, T., Derewieński, J., Kaszef, A. E., Farrellu, M., Fineberg, N. A., Gandin, C., Poganin, D. A., Griffiths, M. D., Goudriaan, A. E., Grall-Bronnec, M., Hao W., Hodginsie, D. C., Ip P., Király, O., Zawietrzny, H. K., Kuss, D., Lemmens, J. S., Długi, J., Lopez-Fernandez O., Mihara, S., Petry, N. M., Pontes, H. M., Rahimi-Movaghar A., Rehbeina, F., Rehm J., Skafato, E., Sharma, M., szprycer, D., Stein D. J., tam, P., Weinstein, A., Wittchen H. U., Wölfling, K., Zullino, D., & Poznyak, V. (2018). Włączanie zaburzeń gry do ICD-11: Konieczność zrobienia tego z perspektywy klinicznej i zdrowia publicznego. Journal of Behavioral Addictions, 7 (3), 556-561. doi:https://doi.org/10.1556/2006.7.2018.59 PołączyćGoogle Scholar
Saundersa, J. B., Hao W., Długi, J., Król, D. L., Mann, K., Fauhler, M., Rumpf, H. J., Bowden-Jones H., Rahimi-Movaghar A., Czung, T., Chan, E., Bahar, N., Achab, S., Zawietrzny, H. K., Potenza, M., Petry, N., szprycer, D., Ambekara, A., Derewieński, J., Griffiths, M. D., Pontes, H. M., Kuss, D., Higuczi, S., Mihara, S., Assangangkornchai S., Sharma, M., Kaszef, A. E., Ip P., Farrellu, M., Skafato, E., Carragher, N., & Poznyak, V. (2017). Zaburzenia gier: jego określenie jako ważny warunek diagnozy, zarządzania i zapobiegania. Journal of Behavioral Addictions, 6 (3), 271-279. doi:https://doi.org/10.1556/2006.6.2017.039 PołączyćGoogle Scholar
Sayette, M. A. (2016). Rola głodu w zaburzeniach używania substancji: kwestie teoretyczne i metodologiczne. Roczny przegląd psychologii klinicznej, 12 (1), 407-433. doi:https://doi.org/10.1146/annurev-clinpsy-021815-093351 CrossRef, MedlineGoogle Scholar
Sayette, M. A., Uczeń, J. W., & Reichle, E. D. (2010). Na dym: wpływ głodu papierosów na podział na strefy podczas czytania. Nauki psychologiczne, 21 (1), 26-30. doi:https://doi.org/10.1177/0956797609354059 CrossRef, MedlineGoogle Scholar
Sinha, R., & Li, C. S. (2007). Obrazowanie wywołanego stresem i wskazówką głodu narkotykowego i alkoholu: związek z nawrotem i implikacjami klinicznymi. Przegląd narkotyków i alkoholu, 26 (1), 25-31. doi:https://doi.org/10.1080/09595230601036960 CrossRef, MedlineGoogle Scholar
Słuckie, W. S. (2006). Naturalny powrót do zdrowia i poszukiwanie leczenia w przypadku patologicznego hazardu: wyniki dwóch krajowych badań ankietowych w USA. The American Journal of Psychiatry, 163 (2), 297-302. doi:https://doi.org/10.1176/appi.ajp.163.2.297 CrossRef, MedlineGoogle Scholar
Słuckie, W. S., Piaseckiego, T. M., Błaszczyński, A., & Martin, N. G. (2010). Patologiczne ożywienie hazardu przy braku abstynencji. Uzależnienie, 105 (12), 2169-2175. doi:https://doi.org/10.1111/j.1360-0443.2010.03080.x CrossRef, MedlineGoogle Scholar
Stefanie, K. E., Grosz W. D., Moranie, R. J., Den Oudena, H. E. M., Daunizeau J., & Fryston, K. J. (2010). Dziesięć prostych zasad dynamicznego modelowania przyczynowego. Neuroimage, 49 (4), 3099-3109. doi:https://doi.org/10.1016/j.neuroimage.2009.11.015 CrossRef, MedlineGoogle Scholar
Słońce, Y., Tak, H., Seetohul, R. M., Xuemei, W., Tak, Z., Qian, L., Guoqing, X., & Człek, S. (2012). Badanie mózgu fMRI nad pragnieniem wywołanym przez zdjęcia wskazujące u uzależnionych od gier online (młodzież). Behavioural Brain Research, 233 (2), 563-576. doi:https://doi.org/10.1016/j.bbr.2012.05.005 CrossRef, MedlineGoogle Scholar
Tanabe, J., Thompson, L., Claus, E., Dalwanie, M., Hutchisonie, K., & Banicha, M. T. (2007). Aktywność kory przedczołowej zmniejsza się podczas uprawiania hazardu i nieumieszczania użytkowników substancji podczas podejmowania decyzji. Mapowanie ludzkiego mózgu, 28 (12), 1276-1286. doi:https://doi.org/10.1002/hbm.20344 CrossRef, MedlineGoogle Scholar
Muślin, S. T. (1990). Model poznawczy popędów i zachowań związanych z używaniem narkotyków: Rola procesów automatycznych i nieautomatycznych. Neuropsychology Review, 97 (2), 147-168. doi:https://doi.org/10.1037/0033-295x.97.2.147 Google Scholar
Toblerze, P. N., Prelegent, K. H., Campbell-Meiklejohn D. K., Kirschner M., Kraehenmanna, R., Stampfli, P., Pasterz, M., Seifritz E., & Quednow, B. B. (2016). Wspólne neuronalne podstawy społecznego i nie-społecznego deficytu wynagrodzeń u osób przewlekle używających kokainę. Społeczna neurologia kognitywna i afektywna, 11 (6), 1017-1025. doi:https://doi.org/10.1093/scan/nsw030 CrossRef, MedlineGoogle Scholar
Łang, Y., Wu, L., Łang, L., Zhang, Y., Du, X., & Buc, G. (2017). Upośledzone podejmowanie decyzji i kontrola impulsów uzależnionych od gier internetowych: dowody z porównania z użytkownikami rekreacyjnych gier internetowych. Addiction Biology, 22 (6), 1610-1621. doi:https://doi.org/10.1111/adb.12458 CrossRef, MedlineGoogle Scholar
Łang, Y., Wu, L., Zhou, H., Lin, X., Zhang, Y., Du, X., & Buc, G. (2017). Upośledzona kontrola wykonawcza i obwód premiowy uzależnionych od gier internetowych w ramach zadania polegającego na dyskontowaniu z opóźnieniem: niezależna analiza komponentów. Europejskie Archiwa Psychiatrii i Neuronauki Klinicznej, 267 (3), 245-255. doi:https://doi.org/10.1007/s00406-016-0721-6 CrossRef, MedlineGoogle Scholar
Wexlera, BYĆ., Gottschalka, C. H., Fulbrighta, R. K., Prochownik, I., Lacadie, CM., Rounsaville B. J., & Gore, J. C. (2001). Funkcjonalne rezonans magnetyczny głodu kokainy. The American Journal of Psychiatry, 158 (1), 86-95. doi:https://doi.org/10.1176/appi.ajp.158.1.86 CrossRef, MedlineGoogle Scholar
Worhuński, P. D., Malisonie, R. T., Rogers, R & D., & Potenza, M. N. (2014). Zmienione neuronalne korelaty przetwarzania nagród i strat podczas symulowanego fMRI automatu w patologicznym uzależnieniu od hazardu i kokainy. Uzależnienie od narkotyków i alkoholu, 145, 77-86. doi:https://doi.org/10.1016/j.drugalcdep.2014.09.013 CrossRef, MedlineGoogle Scholar
Wrap, J., Grusser, S. M., Klein, S., Dienera, C., Hermannie, D., kwiat H., Mann, K., Brausie, D. F., & Heinz, A. (2002). Rozwój wskazówek związanych z alkoholem i indukowanej przez pamięć aktywacji mózgu u alkoholików. Europejska psychiatria, 17 (5), 287-291. doi:https://doi.org/10.1016/S0924-9338(02)00676-4 CrossRef, MedlineGoogle Scholar
Yang, L. Z., Szi, B., Li, H., Zhang, W., Liu, Y., Łang, H. Z., Lv W., ji, X., Hudaku, J., Zhou, Y., Fallgatter, A. J., & Zhang, X. C. (2017). Stymulacja elektryczna zmniejsza głód palaczy poprzez modulowanie sprzężenia między grzbietową boczną korą przedczołową a zakrętem parafipokampowym. Społeczna neurologia kognitywna i afektywna, 12 (8), 1296-1302. doi:https://doi.org/10.1093/scan/nsx055 CrossRef, MedlineGoogle Scholar
Tak, POŁUDNIOWY ZACHÓD., Worhuński, P. D., Xu J., Morie, K. P., Policjant, R. T., Malisonie, R. T., Carroll, K. M., & Potenza, M. N. (2018). Relacje szarej materii do diagnostycznych i transdiagnostycznych cech uzależnień narkotykowych i behawioralnych. Addiction Biology, 23 (1), 394-402. doi:https://doi.org/10.1111/adb.12492 CrossRef, MedlineGoogle Scholar
Młody, K. (2009). Uzależnienie od Internetu: diagnoza i rozważania dotyczące leczenia. Journal of Contemporary Psychotherapy, 39 (4), 241-246. doi:https://doi.org/10.1007/s10879-009-9120-x CrossRefGoogle Scholar
Młody, K. S., & Marka, M. (2017). Scalanie modeli teoretycznych i podejść terapeutycznych w kontekście zaburzeń gier internetowych: osobista perspektywa. Frontiers in Psychology, 8, 1853. doi:https://doi.org/10.3389/fpsyg.2017.01853 CrossRef, MedlineGoogle Scholar
Zhang, J. T., Tak, Y. W., Potenza, M. N., Xia C. C., Lan, J., Liu, L., Łang, L. J., Liu, B., Mama, S. S., & Kieł, X. Y. (2016). Zmieniona aktywność neuronowa w stanie spoczynku i zmiany wynikające z pożądania interwencji behawioralnej w związku z zaburzeniami gier internetowych. Raporty naukowe, 6 (1), 28109. doi:https://doi.org/10.1038/srep28109 CrossRef, MedlineGoogle Scholar
Zhang, J. T., Tak, Y. W., Potenza, M. N., Xia C. C., Lan, J., Liu, L., Łang, L. J., Liu, B., Mama, S. S., & Kieł, X. Y. (2016b). Wpływ interwencji behawioralnej na podłoże neuronowe wywołanego głodem głodu w zaburzeniach gier internetowych. NeuroImage: kliniczne, 12, 591-599. doi:https://doi.org/10.1016/j.nicl.2016.09.004 CrossRef, MedlineGoogle Scholar