Internet i uzależnienie od gier: systematyczny przegląd piśmiennictwa z zakresu badań neuroobrazowych (2012)

Brain Sci. 2012, 2(3), 347-374; doi:10.3390 / brainsci2030347
 
Daria J. Kuss* i Mark D. Griffiths
 
International Gaming Research Unit, Nottingham Trent University, Nottingham NG1 4BU, Wielka Brytania
 
* Autor do którego korespondencja powinna być adresowana.
 
Otrzymano: 28 Czerwiec 2012; w zmienionej formie: 24 sierpień 2012 / Zaakceptowano: 28 sierpień 2012 / Opublikowano: 5 wrzesień 2012
 
(Ten artykuł należy do wydania specjalnego Uzależnienie i neuroadaptacja)

Abstrakcyjny:

W ostatniej dekadzie zgromadzono badania sugerujące, że nadmierne korzystanie z Internetu może prowadzić do rozwoju uzależnienia behawioralnego. Uzależnienie od Internetu zostało uznane za poważne zagrożenie dla zdrowia psychicznego, a nadmierne korzystanie z Internetu wiązało się z szeregiem negatywnych konsekwencji psychospołecznych. Celem tego przeglądu jest zidentyfikowanie wszystkich dotychczasowych badań empirycznych, które wykorzystywały techniki neuroobrazowania, aby rzucić światło na pojawiający się problem uzależnienia od Internetu i gier hazardowych z perspektywy neuronaukowej.

Badania neuroobrazowania mają przewagę nad tradycyjnymi badaniami ankietowymi i behawioralnymi, ponieważ dzięki tej metodzie możliwe jest rozróżnienie poszczególnych obszarów mózgu zaangażowanych w rozwój i utrzymywanie uzależnienia. Przeprowadzono systematyczne przeszukiwanie literatury, identyfikując badania 18. Badania te dostarczają przekonujących dowodów na podobieństwa między różnymi rodzajami uzależnień, zwłaszcza uzależnień związanych z substancjami oraz uzależnieniem od Internetu i gier, na różnych poziomach.

Na poziomie molekularnym uzależnienie od Internetu charakteryzuje się ogólnym niedoborem nagrody, który pociąga za sobą zmniejszoną aktywność dopaminergiczną.

Na poziomie obwodów neuronowych uzależnienie od Internetu i gier doprowadziło do neuroadaptacji i zmian strukturalnych, które następują w wyniku przedłużonej zwiększonej aktywności w obszarach mózgu związanych z uzależnieniem.

Na poziomie behawioralnym uzależnienia od Internetu i gier wydają się być ograniczone w odniesieniu do ich funkcji poznawczych w różnych dziedzinach.

Artykuł pokazuje, że zrozumienie korelacji neuronalnych związanych z rozwojem Internetu i uzależnienia od gier będzie promować przyszłe badania i utoruje drogę do rozwoju metod leczenia uzależnień.

Słowa kluczowe: uzależnienie od Internetu; uzależnienie od gier; neuroobrazowanie; przegląd literatury

 

1. Wstęp

W ostatniej dekadzie zgromadzono badania sugerujące, że nadmierne korzystanie z Internetu może prowadzić do rozwoju uzależnienia behawioralnego (np. [1,2,3,4]). Dowody kliniczne sugerują, że osoby uzależnione od Internetu doświadczają wielu objawów i konsekwencji biopsychospołecznych [5]. Obejmują one objawy tradycyjnie związane z uzależnieniami związanymi z substancjami, tj. Salience, modyfikację nastroju, tolerancję, objawy odstawienia, konflikt i nawrót [6]. Uzależnienie od Internetu obejmuje różnorodne spektrum działań internetowych o potencjalnej wartości chorobowej, takich jak gry, zakupy, hazard lub sieci społecznościowe. Gry stanowią część postulowanej konstrukcji uzależnienia od Internetu, a uzależnienie od gier wydaje się być jak dotąd najczęściej badaną specyficzną formą uzależnienia od Internetu [7]. Rozległe propozycje specjalistów ds. Zdrowia psychicznego i badaczy, aby włączyć uzależnienie internetowe jako zaburzenie psychiczne do nadchodzącej piątej edycji Diagnostycznego i statystycznego podręcznika zaburzeń psychicznych (DSM-V), zostaną zrealizowane, gdy Amerykańskie Towarzystwo Psychiatryczne zgodziło się na włączenie zaburzenia korzystania z Internetu jako problem zdrowia psychicznego warty dalszych badań naukowych [8].

Nadmierne korzystanie z Internetu wiąże się z szeregiem negatywnych konsekwencji psychospołecznych. Należą do nich zaburzenia psychiczne, takie jak somatyzacja, obsesyjno-kompulsyjne i inne zaburzenia lękowe, depresja [9] i dysocjacja [10], a także cechy osobowości i patologie, takie jak introwersja i psychotyczność [11]. Szacunki dotyczące rozpowszechnienia wynoszą od 2% [12] do 15% [13], w zależności od odpowiedniego kontekstu społeczno-kulturowego, zastosowanych kryteriów próby i oceny. Uzależnienie od Internetu zostało uznane za poważne zagrożenie dla zdrowia psychicznego w krajach azjatyckich o szerokim wykorzystaniu Internetu szerokopasmowego, zwłaszcza w Korei Południowej i Chinach [14].

 

 

1.1. Powstanie neuroobrazowania

Zgodnie z dualizmem kartezjańskim francuski filozof Kartezjusz opowiedział się za poglądem, że umysł jest bytem odrębnym od ciała [15]. Jednak neuronauki kognitywne udowodniły, że się myli i godzą fizyczną istotę ciała z raczej nieuchwytną istotą umysłu [16]. Nowoczesne techniki neuroobrazowania łączą procesy poznawcze (tj. Myślący umysł Kartezjusza) z faktycznym zachowaniem (tj. Poruszającym się ciałem Kartezjusza) poprzez pomiar i obrazowanie struktury i aktywności mózgu. Zmieniona aktywność w obszarach mózgu związana z nagrodą, motywacją, pamięcią i kontrolą poznawczą związana jest z uzależnieniem [17].

Badania dotyczyły neuronalnych korelacji rozwoju uzależnienia od narkotyków poprzez warunkowanie klasyczne i operacyjne [18,19]. Stwierdzono, że na początkowych etapach dobrowolnego i kontrolowanego stosowania substancji decyzję o zastosowaniu leku podejmują określone regiony mózgu, a mianowicie kora przedczołowa (PFC) i brzuszne prążkowie (VS). Wraz z rozwojem przyzwyczajeń do używania i przymusu, aktywność mózgu zmienia się w taki sposób, że regiony grzbietowe prążkowia (DS) stają się coraz bardziej aktywowane poprzez unerwienie dopaminergiczne (tj. Uwalnianie dopaminy) [20]. Długotrwałe zażywanie narkotyków prowadzi do zmian w szlakach dopaminergicznych w mózgu (szczególnie w przedniej obręczy (AC), korze oczodołowo-czołowej (OFC) i jądrze półleżącym (NAc), co może prowadzić do zmniejszenia wrażliwości na nagrody biologiczne i obniża kontrola nad poszukiwaniem i przyjmowaniem narkotyków [21,22]. Na poziomie molekularnym długotrwała depresja (LTD; tj. Zmniejszenie) aktywności synaptycznej powiązana jest z adaptacją mózgu w wyniku uzależnień związanych z substancjami [23]. Uzależnieni od narkotyków stają się uczuleni na lek, ponieważ w trakcie długotrwałego przyjmowania zwiększa się siła synaptyczna w brzusznej okolicy nakrywkowej, podobnie jak LTD glutaminianu w jądrze półleżącym, co spowoduje głód [24].

Jednocześnie mózg (tj. NAc, OFC, DLPFC) staje się coraz bardziej wrażliwy na sygnały narkotykowe (np. Dostępność, szczególny kontekst) poprzez głód [21,25]. Pożądanie zażywania narkotyków obejmuje złożoną interakcję między różnymi regionami mózgu. Aktywność w jądrze półleżącym po powtarzającym się przyjmowaniu narkotyków prowadzi do uczenia się związków między wskazówkami dotyczącymi narkotyków a wzmacniającymi efektami narkotyków [26]. Ponadto kora oczodołowo-czołowa, ważna z punktu widzenia motywacji do zachowań, ciało migdałowate (AMG) i hipokamp (Hipp), jako główne regiony mózgu związane z funkcjami pamięci, odgrywają rolę w zatruciu i głodzie substancji [17].

Naturalne nagrody, takie jak jedzenie, pochwały i / lub sukces stopniowo tracą hedoniczną walencję. Z powodu przyzwyczajenia się do nagradzających zachowań i przyjmowania leków rozwija się charakterystyczny objaw uzależnienia (tj. Tolerancja). Aby uzyskać pożądany efekt, potrzebne są coraz większe ilości substancji lub większe zaangażowanie w odpowiednie zachowania. W rezultacie system nagród staje się niewystarczający. Prowadzi to do aktywacji układu przeciwzwrotnego, który zmniejsza zdolność uzależnionego do doświadczania biologicznych wzmacniaczy jako przyjemności. Zamiast tego potrzebuje silniejszych wzmacniaczy, tj. Ich narkotyków lub wybranych zachowań, w większych ilościach (tj. Rozwija się tolerancja), aby doświadczyć nagrody [27]. Ponadto brak dopaminy w szlakach mezokortykolimbicznych podczas abstynencji wyjaśnia charakterystyczne objawy odstawienia. Zostaną one przeciwdziałane ponownemu przyjęciu narkotyków [17]. Nawrót i rozwój błędnego cyklu behawioralnego są wynikiem [28]. Długotrwałe przyjmowanie leku i / lub zaangażowanie w satysfakcjonujące zachowanie prowadzi do zmian w mózgu, w tym dysfunkcji w obszarach przedczołowych, takich jak OFC i zakręt obręczy (CG) [17,29].

Badania wskazują, że zmiany aktywności mózgu często związane z uzależnieniami związanymi z substancjami występują po kompulsywnym zaangażowaniu w zachowania, takie jak hazard patologiczny [30]. Zgodnie z tym przypuszcza się, że podobne mechanizmy i zmiany są związane z uzależnieniem od Internetu i gier. Celem tego przeglądu jest zatem zidentyfikowanie wszystkich recenzowanych dotychczas badań empirycznych, w których zastosowano techniki neuroobrazowania, aby rzucić światło na pojawiający się problem uzależnienia od Internetu i hazardu od zdrowia neurologicznego z perspektywy neuronaukowej. Neuroobrazowanie zasadniczo obejmuje szereg różnych technik. Są to elektroencefalogram (EEG), pozytronowa tomografia emisyjna (PET), SPECT pojedyncza tomografia emisyjna pojedynczych fotonów (SPECT), funkcjonalne obrazowanie rezonansu magnetycznego (fMRI) i strukturalne obrazowanie rezonansu magnetycznego (sMRI), takie jak morfometria oparta na wokselach (VBM) oraz obrazowanie dyfuzyjne-tensorowe (DTI). Zostały one krótko wyjaśnione przed badaniem badań, w których wykorzystano te techniki do badań nad uzależnieniem od Internetu i gier.

 

 

1.2. Rodzaje neuroobrazowania wykorzystywane do badania uzależniającej aktywności mózgu

Elektroencefalogram (EEG): Za pomocą EEG można zmierzyć aktywność neuronową w korze mózgowej. Wiele elektrod jest przymocowanych do określonych obszarów (tj. Przedniego, tylnego, lewego i prawego) głowy uczestnika. Elektrody te mierzą fluktuacje napięcia (tj. Przepływ prądu) między parami elektrod, które są wytwarzane przez wzbudzenie synaps neuronalnych [31]. W przypadku potencjałów związanych ze zdarzeniem (ERP) relacje między mózgiem a zachowaniem można zmierzyć za pomocą elektrofizjologicznej odpowiedzi neuronalnej na bodziec [32].

Pozytonowa tomografia emisyjna (PET): PET to metoda neuroobrazowania, która pozwala na badanie funkcji mózgu na poziomie molekularnym. W badaniach PET aktywność metaboliczną w mózgu mierzy się za pomocą fotonów pochodzących z emisji pozytronów (tj. Dodatnio naładowanych elektronów). Pacjentowi wstrzykuje się radioaktywny roztwór 2-deoksyglukozy (2-DG), który jest pobierany przez aktywne neurony w mózgu. Ilości 2-DG w neuronach i emisjach pozytonów są wykorzystywane do oceny ilościowej aktywności metabolicznej w mózgu. W ten sposób aktywność neuronalną można odwzorować podczas wykonywania określonego zadania. jaPoszczególne neuroprzekaźniki można odróżnić za pomocą PET, co sprawia, że ​​ten ostatni jest korzystniejszy niż techniki MRI. Może szczegółowo mierzyć rozkład aktywności. Ograniczenia PET obejmują stosunkowo niską rozdzielczość przestrzenną, czas potrzebny do uzyskania skanu, a także potencjalne ryzyko promieniowania [33].

Tomografia komputerowa z emisją pojedynczego fotonu (SPECT): SPECT to podformularz PET. Podobnie jak PET, substancja radioaktywna („znacznik”) jest wstrzykiwana do krwiobiegu, który szybko przenosi się do mózgu. Im silniejsza aktywność metaboliczna w określonych obszarach mózgu, tym silniejsze wzbogacenie promieni gamma. Emitowane promieniowanie mierzy się zgodnie z warstwami mózgu, a aktywność metaboliczną obrazuje się przy użyciu technik komputerowych. W przeciwieństwie do PET, SPECT pozwala na zliczanie pojedynczych fotonów, jednak jego rozdzielczość jest gorsza, ponieważ w przypadku SPECT rozdzielczość zależy od odległości kamery gamma, która mierzy radioaktywność neuronów [34].

Obrazowanie funkcjonalnego rezonansu magnetycznego (fMRI): Za pomocą fMRI mierzone są zmiany poziomu tlenu we krwi w mózgu, które wskazują na aktywność neuronów. W szczególności ocenia się stosunek oksyhemoglobiny (tj. Hemoglobiny zawierającej tlen we krwi) do deoksyhemoglobiny (tj. Hemoglobiny, która uwolniła tlen) w mózgu, ponieważ przepływ krwi w „aktywnych” obszarach mózgu zwiększa się, aby transportować więcej glukozy, co również powoduje w bardziej natlenionych cząsteczkach hemoglobiny. Ocena tej aktywności metabolicznej w mózgu pozwala na dokładniejsze i bardziej szczegółowe obrazowanie mózgu w stosunku do strukturalnego MRI. Ponadto zalety fMRI obejmują szybkość obrazowania mózgu, rozdzielczość przestrzenną i brak potencjalnego ryzyka dla zdrowia w porównaniu ze skanami PET [35].

Strukturalne rezonans magnetyczny (sMRI): sMRI wykorzystuje różnorodne techniki do obrazowania morfologii mózgu [36].

  • Jedną z takich technik jest morfometria oparta na wokselach (VBM). VBM służy do porównywania objętości obszarów mózgu oraz gęstości istoty szarej i białej [37].
  • Inną techniką sMRI jest obrazowanie dyfuzji-tensora (DTI). DTI jest metodą stosowaną do obrazowania istoty białej. Ocenia dyfuzję cząsteczek wody w mózgu, co pomaga w identyfikacji wzajemnie połączonych struktur mózgu za pomocą ułamkowej anizotropii (FA). Miara ta jest wskaźnikiem gęstości włókien, średnicy aksonów i mielinizacji w istocie białej [38].

 

 

2. metoda

Przeprowadzono kompleksowe wyszukiwanie literatury przy użyciu bazy danych Web of Knowledge. W odniesieniu do korzystania z Internetu wprowadzono następujące wyszukiwane hasła (i ich pochodne): „uzależnienie”, „nadmiar”, „problem” i „przymus”. Ponadto zidentyfikowano dodatkowe badania ze źródeł uzupełniających, takich jak Google Scholar, i zostały one dodane w celu wygenerowania bardziej kompleksowego przeglądu literatury. Badania wybrano zgodnie z następującymi kryteriami włączenia. Badania musiały (i) oceniać uzależnienie od Internetu lub gier online lub bezpośredni wpływ gier na funkcjonowanie neurologiczne, (ii) stosować techniki neuroobrazowania, (iii) być publikowane w czasopiśmie recenzowanym oraz (iv) być dostępne jako pełny tekst w Język angielski. Nie określono okresu czasu na poszukiwanie literatury, ponieważ techniki neuroobrazowania są stosunkowo nowe, dlatego spodziewano się, że badania będą aktualne (tj. Prawie wszystkie zostały opublikowane między 2000 a 2012).

3. Wyniki

Zidentyfikowano ogół badań 18, które spełniły kryteria włączenia. Spośród nich metodą akwizycji danych był fMRI w ośmiu badaniach [39,40,41,42,43,44,45,46] i sMRI w dwóch badaniach [47,48], w dwóch badaniach wykorzystano skany PET [49,50], z których jeden połączył go z MRI [49], jeden użył SPECT [51], a w sześciu badaniach wykorzystano EEG [52,53,54,55,56,57]. Należy również zauważyć, że dwa z nich były w rzeczywistości tym samym badaniem, a jedno opublikowano jako list [53] i jeden opublikowany jako pełny artykuł [54]. Jedno badanie [57] spełnił wszystkie kryteria, ale został wykluczony, ponieważ szczegóły diagnozy uzależnienia od Internetu były niewystarczające, aby wyciągnąć prawidłowe wnioski. Ponadto w dwóch badaniach nie oceniono bezpośrednio uzależnienia od Internetu i gier [43,50], ale ocenił bezpośredni wpływ gier hazardowych na aktywność neurologiczną za pomocą eksperymentalnego paradygmatu i dlatego został zachowany w przeglądzie. Szczegółowe informacje na temat włączonych badań przedstawiono w Tabela 1.

3.1. Badania fMRI

Hoeft i in. [43] badali różnice płciowe w układzie mezokortykolimbicznym podczas gry komputerowej wśród zdrowych uczniów 22 (przedział wiekowy = lata 19 – 23; kobiety 11). Wszyscy uczestnicy przeszli fMRI (skaner 3.0-T Signa (General Electric, Milwaukee, WI, USA), ukończyli Symptom Checklist 90-R [58] oraz NEO-Personality Inventory-R [59]. FMRI przeprowadzono podczas bloków 40 gry w piłkę 24, której celem było uzyskanie przestrzeni lub podobny warunek kontroli, który nie obejmował określonego celu gry (w oparciu o jego strukturę strukturalną). Wyniki wskazują, że doszło do aktywacji obwodów neuronalnych, które biorą udział w nagradzaniu i uzależnieniu w warunkach eksperymentalnych (tj. Insula, NAc, DLPFC i OFC). W związku z tym obecność rzeczywistego celu gry (charakterystycznego dla większości tradycyjnych gier online opartych na regułach, a nie wyłącznie gier fabularnych) modyfikowała aktywność mózgu poprzez zachowanie. Widoczny jest tutaj wyraźny związek przyczynowo-skutkowy, który dodaje siły ustaleniom.

Wyniki pokazały również, że uczestnicy płci męskiej mieli większą aktywację (w rNAc, blOFC, rAMG) i funkcjonalną łączność (lNAc, rAMG) w układzie nagrody mezokortykolimbicznej w porównaniu do kobiet. Wyniki wskazują ponadto, że w grze aktywowano prawą wyspę (rI; pobudzenie autonomiczne sygnałów), prawą PFC grzbietowo-boczną (maksymalizacja zachowań związanych z nagrodą lub zmianą), obustronne kory przedczołowe (blPMC; przygotowanie do nagrody) oraz precuneus, lNAc i rOFC (obszary zajmujące się przetwarzaniem wizualnym, wzrokowo-przestrzenną uwagą, funkcją motoryczną i transformacją sensomotoryczną) w porównaniu ze stanem spoczynku [43]. Insula jest zaangażowana w świadome pragnienie uzależniających substancji, implikując procesy decyzyjne wiążące się z ryzykiem i nagrodą. Dysfunkcja Insula może wyjaśniać działania neurologiczne wskazujące na nawrót [60]. Ze względu na swój eksperymentalny charakter, badanie to pozwoliło uzyskać wgląd w idiosynkratyczną aktywację mózgu w wyniku gry w zdrowej (tj. Nieuzależnionej) populacji.

StółTabela 1. Uwzględnione badania.   

Kliknij tutaj, aby wyświetlić tabelę

 

Ko i in. [44] próbował zidentyfikować neuronowe substraty uzależnienia od gier online, oceniając obszary mózgu zaangażowane w chęć angażowania się w gry online wśród dziesięciu mężczyzn uzależnionych od gier online (grających w World of Warcraft przez ponad 30 ha tydzień) w porównaniu z dziesięcioma mężczyznami kontrolnymi (których użycie online było mniej niż dwie godziny dziennie). Wszyscy uczestnicy wypełnili kryteria diagnostyczne uzależnienia od Internetu dla studentów (DCIA-C; [74]), Mini-International Neuropsychiatric Interview [75], Skala uzależnienia od Internetu Chen (CIAS) [71], test identyfikacji zaburzenia spożywania alkoholu (AUDIT) [76] oraz test Fagerstroma na uzależnienie od nikotyny (FTND) [77]. Autorzy przedstawili związane z grą i sparowane obrazy mozaikowe podczas skanowania fMRI (3T MRscanner), a kontrasty w sygnałach BOLD w obu warunkach analizowano przy użyciu paradygmatu reaktywności pamięci [25]. Wyniki wskazują na głód indukowany sygnałem, który jest powszechny wśród osób uzależnionych. Nastąpiła odmienna aktywacja mózgu wśród uzależnionych od gier po prezentacji istotnych dla gry wskazówek w porównaniu do kontroli i w porównaniu do prezentacji obrazów mozaikowych, w tym rOFC, rNAc, blAC, mFC, rDLPFC i prawego jądra ogoniastego (rCN). Ta aktywacja korelowała z potrzebą gry i przywołaniem wrażeń z gry. Argumentowano, że istnieje podobna biologiczna podstawa różnych uzależnień, w tym uzależnienia od gier online. Quasi-eksperymentalna natura tego badania, która sztucznie indukowała głód w eksperymentalnym i kontrolowanym otoczeniu, pozwoliła autorom wyciągać wnioski oparte na różnicach w grupach, a tym samym powiązać stan uzależnienia od gier online z aktywacją obszarów mózgu związanych z objawami bardziej tradycyjnymi ( tj. uzależnienia związane z substancjami).

Han i in. [42] ocenił różnice w aktywności mózgu przed i podczas gry wideo u studentów uniwersytetów grających przez okres siedmiu tygodni. Wszyscy uczestnicy ukończyli Inwentarz Depresji Becka [78], Internet Addiction Scale [67] oraz punktową wizualną skalę analogową (VAS) w punkcie 7 do oceny głodu alkoholu w grach online. Próbka obejmowała studentów uniwersytetów 21 (mężczyzna 14; średni wiek = lata 24.1, SD = 2.6; użycie komputera = 3.6, SD = 1.6 ha dzień; średni wynik IAS = 38.6, SD = 8.3). Zostały one ponadto podzielone na dwie grupy: nadmierną grupę gier internetowych (która grała w internetowe gry wideo przez ponad 60 min dziennie przez okres 42 dni; n = 6) oraz ogólną grupę graczy (która grała mniej niż 60 min a dzień w tym samym okresie; n = 15). Autorzy zastosowali fMRI zależne od poziomu tlenu we krwi 3T (za pomocą skanera Philips Achieva 3.0 Tesla TX) i poinformowali, że aktywność mózgu w przednim obręczy i korze oczodołowo-czołowej wzrosła wśród nadmiernej grupy gier internetowych po ekspozycji na wskazówki dotyczące gier wideo w stosunku do ogólnych graczy. Poinformowali również, że zwiększone pragnienie internetowych gier wideo koreluje ze zwiększoną aktywnością w przednim obręczy u wszystkich uczestników. To quasi-eksperymentalne badanie jest wnikliwe, ponieważ nie tylko dostarczyło dowodów na odmienną aktywność mózgu u uzależnionych od gier online w porównaniu z ogólną grupą kontrolną graczy, ale także wyjaśniło aktywację mózgu, która występuje w wyniku gry w obu grupach. Wskazuje to, że (i) pragnienie gier online zmienia aktywność mózgu niezależnie od statusu uzależnienia i dlatego może być postrzegane jako (prodromalny) objaw uzależnienia, oraz że (ii) uzależnionych graczy można odróżnić od nieuzależnionych graczy online przez inny forma aktywacji mózgu.

Liu i in. [45] podał metodę regionalnej jednorodności (ReHo) w celu analizy encefalicznych cech funkcjonalnych uzależnionych od Internetu w stanie spoczynku. Próbka obejmowała studentów 19 z uzależnieniem od Internetu i kontrolami 19. Uzależnienie od Internetu oceniono na podstawie kryteriów Bearda i Wolfa [72]. Przeprowadzono FMRI przy użyciu skanera 3.0T Siemens Tesla Trio Tim. Regionalna jednorodność wskazuje na czasową jednorodność poziomów tlenu w mózgu w interesujących regionach mózgu. Doniesiono, że uzależnieni internetowi cierpieli z powodu funkcjonalnych zmian w mózgu, prowadzących do nieprawidłowości w regionalnej jednorodności w stosunku do grupy kontrolnej, szczególnie w odniesieniu do ścieżek wynagrodzeń tradycyjnie związanych z uzależnieniami od substancji. Wśród uzależnionych od Internetu obszary mózgu w ReHo w stanie spoczynku były zwiększone (móżdżek, pień mózgu, rCG, obustronny parahippocampus (blPHipp), prawy płat czołowy, lewy górny zakręt czołowy (lSFG), prawy dolny zakręt skroniowy (rITG), lewy górny zakręt skroniowy (1STG) i środkowy zakręt skroniowy (mTG)), w stosunku do grupy kontrolnej. Regiony skroniowe zajmują się przetwarzaniem słuchowym, rozumieniem i pamięcią werbalną, podczas gdy regiony potyliczne zajmują się przetwarzaniem wzrokowym. Móżdżek reguluje aktywność poznawczą. Zakręt zakrętu odnosi się do integracji informacji sensorycznej i monitorowania konfliktu. Hipokampy biorą udział w układzie mezokortykolimbicznym mózgu, który jest powiązany ze ścieżkami nagrody. Podsumowując, odkrycia te dostarczają dowodów na zmianę w różnych regionach mózgu w wyniku uzależnienia od Internetu. Ponieważ w tym badaniu oceniano regionalną jednorodność w stanie spoczynku, nie jest jasne, czy zmiany w mózgu obserwowane u uzależnionych od Internetu są przyczyną czy konsekwencją uzależnienia. Dlatego nie można wyciągać wniosków przyczynowych.

Yuan i in. [46] badali wpływ uzależnienia od Internetu na integralność mikrostrukturalną głównych ścieżek włókien neuronalnych i zmiany mikrostrukturalne związane z czasem trwania uzależnienia od Internetu. Ich próbka obejmowała studentów 18 z uzależnieniem od Internetu (mężczyźni 12; średni wiek = 19.4, SD = 3.1 lat; średni hazard online = 10.2 h dziennie, SD = 2.6; czas trwania uzależnienia od Internetu = miesiące 34.8, SD = 8.5) i 18 uczestnicy kontroli nie uzależnieni od Internetu (średni wiek = 19.5 lat, SD = 2.8). Wszyscy uczestnicy wypełnili zmodyfikowany kwestionariusz diagnostyczny dotyczący uzależnienia od Internetu [72], Skala Niepokoju Samooceny (brak szczegółowych danych) i Skala Depresji Samooceny (brak szczegółowych danych). Autorzy zastosowali fMRI i zastosowali technikę zoptymalizowanej morfometrii opartej na wokselach (VBM). Przeanalizowali zmiany frakcyjnej anizotropii istoty białej (FA) za pomocą obrazowania tensora dyfuzji (DTI) w celu rozpoznania zmian strukturalnych mózgu w wyniku długości uzależnienia od Internetu. Wyniki pokazały, że uzależnienie od Internetu spowodowało zmiany w strukturze mózgu i że stwierdzone zmiany w mózgu wyglądają podobnie do tych, które stwierdzono u uzależnionych od substancji.

Kontrolując wiek, płeć i objętość mózgu, stwierdzono, że wśród uzależnionych od Internetu zmniejszyła się objętość istoty szarej w obustronnej grzbietowo-bocznej korze przedczołowej (DLPFC), dodatkowym obszarze motorycznym (SMA), korze oczodołowo-czołowej (OFC), móżdżku i lewej rostral ACC (rACC), zwiększona FA lewej kończyny tylnej torebki wewnętrznej (PLIC) i zmniejszona FA w istocie białej w prawym zakręcie parafipokampowym (PHG). Występowała także korelacja między wielkościami istoty szarej w zmianach PLIC DLPFC, rACC, SMA i istoty białej w zależności od czasu uzależnienia osoby od Internetu. Wskazuje to, że im dłużej osoba jest uzależniona od Internetu, tym silniejsza staje się atrofia mózgu. W świetle tej metody nie jest jasne z opisu autorów, jak daleko ich próba obejmowała tych, którzy byli uzależnieni od Internetu jako takiego lub od grania w gry online. Włączenie konkretnego pytania dotyczącego częstotliwości i czasu trwania gier online (a nie jakiejkolwiek innej potencjalnej aktywności w Internecie) sugeruje, że dana grupa składała się z graczy. Ponadto przedstawione wyniki nie mogą wykluczyć żadnego innego czynnika, który może być związany z uzależnieniem od Internetu (np. Symptomatologii depresyjnej), który mógł przyczynić się do zwiększenia nasilenia atrofii mózgu.

Dong i in. [39] zbadano przetwarzanie nagród i kar u uzależnionych od Internetu w porównaniu ze zdrowymi kontrolami. Dorosłych mężczyzn (n = 14) z uzależnieniem od Internetu (średni wiek = 23.4, SD = 3.3 lat) porównano z zdrowymi dorosłymi mężczyznami 13 (średni wiek = 24.1 lat, SD = 3.2). Uczestnicy ukończyli ustrukturyzowany wywiad psychiatryczny [79], Inwentarz Depresji Becka [78], chiński test uzależnienia od Internetu [62,63] oraz test uzależnienia od Internetu (IAT; [61]). IAT mierzy uzależnienie psychiczne, kompulsywne stosowanie, wycofanie, powiązane problemy w szkole, pracy, snu, rodzinie i zarządzaniu czasem. Uczestnicy musieli zdobyć więcej niż 80 (poza 100) na IAT, aby zostać sklasyfikowanym jako uzależniony od Internetu. Ponadto wszyscy sklasyfikowani jako uzależnieni od Internetu spędzali codziennie ponad sześć godzin online (z wyłączeniem korzystania z Internetu w związku z pracą) i robili to przez okres dłuższy niż trzy miesiące.

Wszyscy uczestnicy wykonali symulowane przez rzeczywistość zadanie zgadywania dla uzyskania lub utraty pieniędzy przy użyciu kart do gry. Uczestnicy przeszli fMRI z bodźcami prezentowanymi przez monitor w cewce głowy, a ich aktywację zależną od poziomu tlenu we krwi (BOLD) zmierzono w odniesieniu do zwycięstw i strat w zadaniu. Wyniki pokazały, że uzależnienie internetowe wiązało się ze zwiększoną aktywacją OFC w próbach wzmocnienia i zmniejszoną aktywacją przedniego obręczy w próbach utraty w porównaniu do normalnych kontroli. Uzależnieni od Internetu wykazali zwiększoną wrażliwość na nagrody i zmniejszoną wrażliwość na straty w porównaniu z grupą kontrolną [39]. Quasi-eksperymentalny charakter tego badania pozwolił na faktyczne porównanie dwóch grup, narażając je na sytuację w grach, a tym samym sztucznie indukując reakcję neuronalną, która była konsekwencją zaangażowania w zadanie. Dlatego badanie to pozwoliło na wyjawienie związku przyczynowego między narażeniem na sygnały związane z grami a wynikającą z tego aktywacją mózgu. Można to uznać za empiryczny dowód wrażliwości nagród uzależnionych od Internetu w stosunku do zdrowych kontroli.

Han i in. [40] porównało regionalne ilości szarej materii u pacjentów uzależnionych od gier online i profesjonalnych graczy. Autorzy przeprowadzili fMRI za pomocą skanera 1.5 Tesla Espree (Siemens, Erlangen) i przeprowadzili voxelowe porównanie objętości substancji szarej. Wszyscy uczestnicy ukończyli strukturalny wywiad kliniczny dla DSM-IV [80], Inwentarz Depresji Becka [78], Barratt Impulsiveness Scale-Korean version (BIS-K9) [81,82] oraz Internet Addiction Scale (IAS) [67]. Ci (i) strzelający ponad 50 (poza 100) na MSR, (ii) grający przez ponad cztery godziny dziennie / 30 h tygodniowo, oraz (iii) upośledzone zachowanie lub niepokój w wyniku gry online jako uzależnieni od gier internetowych. Próba składała się z trzech grup. Pierwsza grupa obejmowała pacjentów 20 z uzależnieniem od gier online (średni wiek = 20.9, SD = 2.0; średni czas trwania choroby = 4.9 lat, SD = 0.9; średni czas gry = 9.0, SD = 3.7 h / dzień; średnie korzystanie z Internetu = 13.1, SD = 2.9 h / dzień; średnie wyniki IAS = 81.2, SD = 9.8). Druga grupa składała się z profesjonalnych graczy 17 (średni wiek = 20.8 lat, SD = 1.5; średni czas gry = 9.4, SD = 1.6 h / dzień; średnie korzystanie z Internetu = 11.6, SD = 2.1 h / dzień; średni wynik IAS = 40.8, SD = 15.4). Trzecia grupa obejmowała zdrowe kontrole 18 (średni wiek = 12.1, SD = 1.1 lat; średni hazard = 1.0, SD = 0.7 h / dzień; średnie korzystanie z Internetu = 2.8, SD = 1.1 h / dzień; średni wynik IAS = 41.6, SD = 10.6).

Wyniki wykazały, że osoby uzależnione od gier miały wyższą impulsywność, błędy perseweracyjne, zwiększoną objętość szarej istoty lewej wzgórza i zmniejszoną objętość szarej substancji w ITG, zakręcie prawej środkowej potylicy (rmOG) i lewym zakręcie dolnej potylicy (lIOG) w stosunku do grupy kontrolnej . Zawodowi gracze zwiększyli objętość szarości w lCG i zmniejszyli szarość w lmOG i rITG w stosunku do grupy kontrolnej, zwiększyli szarość w lCG i zmniejszyli szarą lewą wzgórze w stosunku do problemu graczy online. Główne różnice między uzależnionymi od gier a profesjonalnymi graczami polegają na zwiększeniu objętości szarych substancji w lCG (ważne dla funkcji wykonawczej, salencji i uwagi wzrokowo-przestrzennej) oraz na lewym wzgórzu uzależnionych od gier (ważne dla wzmocnienia i ostrzegania) [40]. W oparciu o nieeksperymentalny charakter badania trudno przypisać widoczne różnice w strukturze mózgu między grupami do rzeczywistego stanu uzależnienia. Nie można wykluczyć możliwych zmiennych, które mogły przyczynić się do stwierdzonych różnic.

Han i in. [41] przetestowano wpływ leczenia bupropionem o przedłużonym uwalnianiu na aktywność mózgu wśród uzależnionych od gier internetowych i zdrowych kontroli. Wszyscy uczestnicy ukończyli strukturalny wywiad kliniczny dla DSM-IV [80], Inwentarz Depresji Becka [78], Internet Addiction Scale [61], a pragnienie grania w gry wideo zostało ocenione za pomocą wizualnej analogowej skali 7. Tych uczestników, którzy zajmowali się grami internetowymi przez ponad cztery godziny dziennie, zdobyli więcej niż 50 (poza 100) na IAS i mieli upośledzone zachowania i / lub niepokój zostali zaklasyfikowani jako uzależnieni od gier internetowych. Próbka obejmowała uzależnionych od gier internetowych 11 (średni wiek = 21.5, SD = 5.6 lat; średni wynik głodu = 5.5, SD = 1.0; średni czas odtwarzania = 6.5, SD = 2.5 h / dzień; średni wynik IAS = 71.2, SD = 9.4 ) i zdrowe kontrole 8 (średni wiek = 11.8, SD = 2.1 lat; średni wynik głodu = 3.9, SD = 1.1; średnie korzystanie z Internetu = 1.9, SD = 0.6 h / dzień; średni wynik IAS = 27.1, SD = 5.3) . Podczas ekspozycji na sygnały z gry, uzależnieni od gier internetowych mieli większą aktywację mózgu w lewym płatku potylicznym, lewej korze grzbietowo-bocznej przedczołowej i lewym zakręcie przytwierdzonym w stosunku do grupy kontrolnej. Uczestnicy uzależnieni od gier internetowych przeszli sześć tygodni leczenia bupropionem o przedłużonym uwalnianiu (150 mg / dzień przez pierwszy tydzień, a następnie 300 mg / dzień). Aktywność mózgu mierzono na początku i po leczeniu za pomocą skanera fMRI 1.5 Tesla Espree. Autorzy stwierdzili, że leczenie uzależnionych od bupropionu leków o przedłużonym uwalnianiu działa w podobny sposób, jak w przypadku pacjentów uzależnionych od substancji. Po leczeniu zmniejszyło się pragnienie, czas gry i aktywność mózgu wywołana wskazówkami wśród uzależnionych od gier internetowych. Podłużny charakter tego badania pozwala na określenie przyczyny i skutku, co podkreśla trafność i rzetelność przedstawionych ustaleń.

 

 

3.2. Badania sMRI

Lin i in. [48] badali integralność istoty białej u nastolatków z uzależnieniem od Internetu. Wszyscy uczestnicy ukończyli zmodyfikowaną wersję testu uzależnienia od Internetu [72], wykaz handedness w Edynburgu [83], Mini International Neuropsychiatric Interview for Children and Adolescents (MINI-KID) [84], Skala dyspozycji zarządzania czasem [85], Barratt Impulsivity Scale [86], ekran zaburzeń lękowych u dzieci (SCARED) [87] oraz Family Assessment Device (FAD) [88]. Próbka obejmowała uzależnionych od Internetu 17 (mężczyźni 14; przedział wiekowy = 14 – 24 lat; średni wynik IAS = 37.0, SD = 10.6) oraz zdrowe kontrole 16 (mężczyźni 14; przedział wiekowy = 16 – 24 lata; średni wynik IAS = 64.7 , SD = 12.6). Autorzy przeprowadzili analizę wokselową frakcji anizotropii (FA) metodą całego mózgu za pomocą statystyki przestrzennej opartej na przewodzie (TBSS), a analizę interesującej objętości przeprowadzono za pomocą obrazowania tensora dyfuzji (DTI) za pomocą skanera medycznego 3.0-Tesla Phillips Achieva .

Wyniki wskazują, że OFC był związany z przetwarzaniem emocjonalnym i zjawiskami uzależniającymi (np. Głód, kompulsywne zachowania, nieprzystosowane podejmowanie decyzji). Nieprawidłowa integralność istoty białej w przedniej części kory zakrętu obręczy była powiązana z różnymi uzależnieniami i wskazywała na upośledzenie kontroli poznawczej. Autorzy zgłosili także upośledzoną łączność światłowodową w ciele modzelowatym, która często występuje u osób uzależnionych od substancji. Uzależnieni od Internetu wykazywali niższy poziom FA w całym mózgu (ciałko modzelowo-czołowe istoty białej modzelowatej, cingulum, jąder czołowo-potyliczny gorszy, promieniowanie koronowe, wewnętrzne i zewnętrzne kapsułki) w stosunku do kontroli, a ujemne korelacje między FA w lewym menu korpusu modzel i zaburzenia emocjonalne oraz FA w lewej torebce zewnętrznej i uzależnienie od Internetu. Ogólnie rzecz biorąc, uzależnieni od Internetu mieli nienormalną integralność istoty białej w obszarach mózgu związaną z przetwarzaniem emocjonalnym, uwagą wykonawczą, podejmowaniem decyzji i kontrolą poznawczą w porównaniu z grupą kontrolną. Autorzy podkreślili podobieństwa w strukturach mózgu między uzależnionymi od Internetu a uzależnionymi od substancji [48]. Biorąc pod uwagę nie eksperymentalny i przekrojowy charakter badania, nie można wykluczyć alternatywnych wyjaśnień zmian mózgu innych niż uzależnienie.

Zhou i in. [47] zbadali zmiany gęstości szarej mózgu (GMD) u nastolatków uzależnionych od Internetu za pomocą analizy morfometrii opartej na wokselach (VBM) na obrazach strukturalnego rezonansu magnetycznego o wysokiej rozdzielczości T1. Ich próbka obejmowała nastolatków 18 z uzależnieniem od Internetu (mężczyźni 16; średni wiek = 17.2 lat, SD = 2.6) i zdrowych uczestników kontrolnych 15 bez historii choroby psychicznej (mężczyźni 13; średni wiek = lata 17.8, SD = 2.6). Wszyscy uczestnicy ukończyli zmodyfikowany test uzależnienia od Internetu [72]. Autorzy wykorzystali MRI wysokiej rozdzielczości T1 wykonane na skanerze MR 3T (3T Achieva Philips), zeskanowali sekwencje impulsów MPRAGE pod kątem kontrastów istoty szarej i białej, a do porównania GMD zastosowano analizę VBM. Wyniki wykazały, że osoby uzależnione od Internetu miały niższą GMD w lACC (niezbędną do kontroli motorycznej, poznania, motywacji), lPCC (samo-odniesienie), lewą wyspę (szczególnie związaną z głodem i motywacją) oraz lewy zakręt językowy (tj. Obszary, które związane są z regulacją zachowań emocjonalnych, a tym samym z problemami emocjonalnymi uzależnionych od Internetu). Autorzy twierdzą, że ich badanie dostarczyło neurobiologicznych dowodów na strukturalne zmiany w mózgu u nastolatków uzależnionych od Internetu i że ich odkrycia mają wpływ na rozwój psychopatologii uzależnień. Pomimo różnic stwierdzonych między grupami, wyników nie można przypisać wyłącznie statusowi uzależnienia jednej z grup. Możliwe mylące zmienne mogły mieć wpływ na zmiany w mózgu. Ponadto w tym przypadku nie można z pewnością wyjaśnić kierunkowości związku.

 

 

3.3. Badania EEG

Dong i in. [53] badali neurologicznie hamowanie odpowiedzi wśród uzależnionych od Internetu. Nagrania potencjałów mózgowych związanych ze zdarzeniami (ERP) za pośrednictwem EEG zostały zbadane u mężczyzn uzależnionych od Internetu 12 (średni wiek = 20.5 lat, SD = 4.1) i porównane ze zdrowymi studentami kontrolnymi 12 (średni wiek = 20.2, SD = 4.5), podczas gdy w trakcie zadania go / NoGo. Uczestnicy ukończyli testy psychologiczne (tj. Symptom Checklist-90 i 16 Personal Factors skala [89]) i test uzależnienia od Internetu [65]. Wyniki pokazały, że osoby uzależnione od Internetu miały niższe amplitudy NoGo-N2 (reprezentujące hamowanie odpowiedzi - monitorowanie konfliktu), wyższe amplitudy NoGo-P3 (procesy hamujące - ocena odpowiedzi) i dłuższe opóźnienie szczytowe NoGo-P3 w porównaniu do kontroli. Autorzy doszli do wniosku, że w porównaniu z grupą kontrolną osoby uzależnione od Internetu (i) wykazywały niższą aktywację na etapie wykrywania konfliktów, (ii) wykorzystywały więcej zasobów poznawczych do ukończenia późniejszego etapu zadania hamowania, (iii) były mniej wydajne w przetwarzaniu informacji, i (iv) miał niższą kontrolę impulsów.

Dong i in. [52] porównało uzależnionych od Internetu i zdrową kontrolę potencjałów związanych ze zdarzeniami (ERP) za pośrednictwem EEG, podczas gdy wykonywali zadanie Stroop z kolorowym słowem. Uczestnicy płci męskiej (n = 17; średni wiek = 21.1 lat, SD = 3.1) i zdrowi studenci płci męskiej 17 (średni wiek = 20.8 lat, SD = 3.5) ukończyli testy psychologiczne (tj. Symptom Checklist-90 i 16 Personal Factors skala [89]) i test uzależnienia od Internetu [64]. Ta wersja IAT zawierała osiem pozycji (zaabsorbowanie, tolerancja, nieudana abstynencja, wycofanie się, utrata kontroli, zainteresowania, oszustwo, motywacja eskapizmu), a pozycje zostały ocenione dychotomicznie. Uczestnicy, którzy poparli cztery lub więcej przedmiotów, zostali sklasyfikowani jako uzależnieni od Internetu. Wyniki pokazały, że osoby uzależnione od Internetu miały dłuższy czas reakcji i więcej błędów reakcji w niestosownych warunkach w porównaniu do kontroli. Autorzy zgłosili również zmniejszone ugięcie przyśrodkowej negatywności czołowej (MFN) w warunkach niestosownych niż w grupie kontrolnej. Ich odkrycia sugerują, że osoby uzależnione od Internetu upośledzają zdolność kontroli wykonawczej w porównaniu do kontroli.

Ge i in. [55] zbadali związek między składnikiem P300 a zaburzeniem uzależnienia od Internetu wśród uczestników 86. Spośród nich 38 stanowili pacjenci uzależnieni od Internetu (mężczyźni 21; średni wiek = 32.5, SD = 3.2 lat), a 48 stanowili zdrową grupę kontrolną studentów (mężczyźni 25; średni wiek = 31.3, SD = 10.5 lat). W badaniu EEG P300 ERP mierzono za pomocą standardowego zadania oddawania nieparzystego dźwięku za pomocą amerykańskiego przyrządu Nicolet BRAVO. Wszyscy uczestnicy ukończyli strukturalny wywiad diagnostyczny kliniczny dotyczący zaburzeń psychicznych [80] oraz test uzależnienia od Internetu [64]. Ci, którzy poparli pięć lub więcej (z ośmiu pozycji) zostali zaklasyfikowani jako uzależnieni od Internetu. Badanie wykazało, że osoby uzależnione od Internetu miały dłuższe opóźnienia P300 w porównaniu z grupą kontrolną oraz że osoby uzależnione od Internetu miały podobne profile w porównaniu z innymi uzależnionymi od substancji (tj. Alkoholem, opioidami, kokainą) w podobnych badaniach. Jednak wyniki nie wykazały, że uzależnieni od Internetu mieli niedobór szybkości percepcji i przetwarzania bodźców słuchowych. Wydaje się to wskazywać, że uzależnienie od Internetu może nie mieć wpływu na te specyficzne funkcje mózgu, nie jest szkodliwe dla szybkości percepcji i przetwarzania bodźców słuchowych. Autorzy poinformowali również, że dysfunkcje poznawcze związane z uzależnieniem od Internetu można poprawić poprzez terapię poznawczo-behawioralną oraz że osoby, które uczestniczyły w terapii poznawczo-behawioralnej przez trzy miesiące, zmniejszyły opóźnienia P300. Ostateczny wynik podłużny jest szczególnie wnikliwy, ponieważ ocenił rozwój w czasie, który można przypisać korzystnym efektom terapii.

Little i in. [56] badali przetwarzanie błędów i hamowanie odpowiedzi u nadmiernych graczy. Wszyscy uczestnicy ukończyli test uzależnienia od gier wideo (VAT) [73], holenderska wersja kwestionariusza impulsów Eysencka [90,91] oraz wskaźnik zmienności ilościowej do spożycia alkoholu [92]. Próbka obejmowała studentów 52 pogrupowanych w dwie grupy nadmiernie grających 25 (mężczyźni 23; zdobywający więcej niż 2.5 na VAT; średni wiek = 20.5, SD = 3.0 lat; średni wynik VAT = 3.1, SD = 0.4; średni hazard = 4.7 ha dzień , SD = 2.3) i kontrole 27 (mężczyźni 10; średni wiek = 21.4, SD = 2.6; średni wynik Vat = 1.1, SD = 0.2; średnia gra = 0.5 ha dnia, SD = 1.2). Autorzy zastosowali paradygmat Go / NoGo z wykorzystaniem nagrań EEG i ERP. Ich odkrycia wskazują na podobieństwa z uzależnieniem od substancji i zaburzeniami kontroli impulsów w odniesieniu do słabego hamowania i wysokiej impulsywności u nadmiernych graczy w stosunku do grupy kontrolnej. Poinformowali także, że nadmierni gracze zmniejszyli amplitudy fronto-centralnej ERN po nieprawidłowych próbach w porównaniu do prawidłowych prób, co doprowadziło do słabego przetwarzania błędów. Nadmierni gracze wykazywali również mniejsze zahamowanie zarówno w przypadku samoopisu, jak i środków behawioralnych. Siła tego badania obejmuje jego quasi-eksperymentalny charakter, a także weryfikację raportów własnych z danymi behawioralnymi. Dlatego ważność i wiarygodność wyników są zwiększone.

 

 

3.4. Badania SPECT

Hou i in. [51] zbadali obwody nagradzające poziomy transporterów dopaminy u uzależnionych od Internetu w porównaniu z grupą kontrolną. Uzależnieni od Internetu składali się z pięciu mężczyzn (średni wiek = 20.4, SD = 2.3), których średnie codzienne korzystanie z Internetu wynosiło 10.2 h (SD = 1.5) i którzy cierpieli na uzależnienie od Internetu przez ponad sześć lat. Grupę kontrolną dobraną pod względem wieku obejmowało dziewięć mężczyzn (średni wiek = 20.4, SD = 1.1 lat), których średnie codzienne stosowanie wyniosło 3.8 h (SD = 0.8 h). Autorzy przeprowadzili skanowanie mózgu metodą tomografii emisyjnej pojedynczego fotonu (SPECT) 99mTc-TRODAT-1 za pomocą podwójnego detektora SPECT firmy Siemens Diacam / e.cam / icon. Poinformowali, że zredukowane transportery dopaminy wskazują na uzależnienie i że istnieją podobne nieprawidłowości neurobiologiczne z innymi uzależnieniami behawioralnymi. Doniesiono również, że poziomy prążkowia transportera dopaminy (DAT) zmniejszyły się wśród uzależnionych od Internetu (niezbędny do regulacji poziomów dopaminy prążkowia) oraz że objętość, waga i stosunek wychwytu ciałka prążkowanego były zmniejszone w stosunku do kontroli. Stwierdzono, że poziomy dopaminy są podobne do osób uzależnionych od substancji, a uzależnienie internetowe „może powodować poważne uszkodzenia mózgu” ([51], s. 1). Wniosek ten nie może być postrzegany jako całkowicie dokładny, ponieważ kierunkowość zgłaszanego efektu nie może zostać ustalona za pomocą zastosowanej metody.

 

 

3.5. Badania PET

Koepp i in. [50] byli pierwszym zespołem badawczym, który dostarczył dowody na uwalnianie dopaminy prążkowia podczas gry wideo (tj. gra poruszająca się po zbiorniku w celu zachęty pieniężnej). W swoich badaniach ośmiu męskich graczy (przedział wiekowy = lata 36 – 46) przeszło pozytonową tomografię emisyjną (PET) podczas grania w gry wideo i w stanie spoczynku. W skanach PET zastosowano kamerę 953B-Siemens / CTIPET i przeprowadzono analizę regionu zainteresowania (ROI). Pozakomórkowe poziomy dopaminy mierzono poprzez różnice w [11C] Potencjał wiązania RAC z dopaminą D2 receptory w prążkowiu brzusznym i grzbietowym. Wyniki pokazały, że prążki brzuszne i grzbietowe były związane z zachowaniem ukierunkowanym na cel. Autorzy poinformowali również, że zmiana potencjału wiązania podczas gry wideo była podobna do tej po wstrzyknięciach amfetaminy lub metylofenidatu. W świetle tego pierwsze badanie zawarte w tym przeglądzie [50] był już w stanie zwrócić uwagę na zmiany w aktywności neurochemicznej w wyniku gry w stosunku do kontroli spoczynkowej. To odkrycie ma ogromne znaczenie, ponieważ wyraźnie wskazuje, że aktywność w grach można w rzeczywistości porównać do używania substancji psychoaktywnych, patrząc z poziomu biochemicznego.

Kim i in. [49] zbadali, czy uzależnienie internetowe było związane ze zmniejszonym poziomem dostępności receptora dopaminergicznego w prążkowiu. Wszyscy uczestnicy ukończyli strukturalny wywiad kliniczny dla DSM-IV [80], Inwentarz Depresji Becka [93], koreańska skala inteligencji dorosłych Wechsler [94], test uzależnienia od Internetu [69] oraz internetowe kryteria diagnostyczne zaburzeń uzależniających (IADDC; [68]). Uzależnienie internetowe zostało zdefiniowane jako uczestnicy, którzy uzyskali więcej niż 50 (spośród 100) na IAT i zatwierdzili trzy lub więcej z siedmiu kryteriów na IADDC.

Ich próba obejmowała pięciu mężczyzn uzależnionych od Internetu (średni wiek = 22.6, SD = 1.2 lat; IAT średni wynik = 68.2, SD = 3.7; średni dzienny czas Internetu = 7.8, SD = 1.5) i siedmiu mężczyzn kontrolnych (średni wiek = 23.1, SD = Lata 0.7; średni wynik IAT = 32.9, SD = 5.3; średni dzienny czas pracy w Internecie = 2.1, SD = 0.5). Autorzy przeprowadzili badanie PET i wykorzystali znakowany radioaktywnie ligand [11C] racopryd i tomografia emisyjna pozytonów za pomocą skanera ECAT EXACT w celu przetestowania dopaminy D2 potencjał wiązania receptora. Przeprowadzili również fMRI przy użyciu skanera MRI 1.5T firmy General Electric Signa. Metoda oceny D2 dostępność receptorów zbadano obszary zainteresowania (ROI) w brzusznym prążkowiu, ogoniastym grzbiecie, skorupie grzbietowej. Autorzy stwierdzili, że uzależnienie internetowe jest powiązane z nieprawidłowościami neurobiologicznymi w układzie dopaminergicznym, jak stwierdzono w uzależnieniach związanych z substancjami. Doniesiono również, że uzależnieni od Internetu zmniejszyli D dopaminy2 dostępność receptora w prążkowiu (tj. obustronny ogonowaty grzbiet, prawy skorupa) w stosunku do kontroli oraz że istnieje ujemna korelacja dostępności receptora dopaminowego z nasileniem uzależnienia od Internetu [49]. Jednak z tego badania nie jest jasne, w jakim stopniu uzależnienie od Internetu mogło spowodować różnice w neurochemii w stosunku do jakiejkolwiek innej zakłócającej zmiennej i, podobnie, czy to inna neurochemia, która mogła doprowadzić do patogenezy.

 

 

4. Dyskusja

Wyniki badań fMRI wskazują, że regiony mózgu związane z nagrodą, uzależnieniem, głodem i emocjami są coraz bardziej aktywowane podczas gry i prezentacji wskazówek, szczególnie dla uzależnionych użytkowników Internetu i graczy, w tym NAc, AMG, AC, DLPFC, IC, rCN, rOFC, insula, PMC, precuneus [42,43]. Wskazówki dotyczące gier pojawiły się jako silne predyktory głodu u mężczyzn uzależnionych od gier online [44]. Co więcej, wykazano, że związane z tym objawy, takie jak głód, aktywność mózgu wywołana grą i dysfunkcje poznawcze można zmniejszyć po leczeniu psychofarmakologicznym lub poznawczo-behawioralnym [41,55].

Ponadto wykazano zmiany strukturalne u uzależnionych od Internetu w stosunku do kontroli, w tym móżdżku, pnia mózgu, rCG, blPHipp, prawego płata czołowego, lSFG, rITG, lSTG i mTG. W szczególności wydaje się, że regiony te zostały powiększone i skalibrowane, co wskazuje, że u uzależnionych od Internetu zachodzi neuroadaptacja, która synchronizuje różne regiony mózgu. Należą do nich między innymi szeroko zgłaszany układ mezokortykolimbiczny zaangażowany w nagrodę i uzależnienie. Ponadto wydaje się, że mózgi uzależnionych od Internetu są w stanie lepiej zintegrować informacje sensomotoryczne i informacje percepcyjne [45]. Można to wytłumaczyć częstym zaangażowaniem w aplikacje internetowe, takie jak gry, które wymagają silniejszej łączności między regionami mózgu, aby wyuczone zachowania i reakcje na sygnały związane z uzależnieniem pojawiały się automatycznie.

Ponadto, w porównaniu do kontroli, stwierdzono, że uzależnieni internetowi zmniejszyli objętość istoty szarej w blDLPFC, SMA, OFC, móżdżku, ACC, lPCC, zwiększili FA IPLIC i obniżili FA w istocie białej w PHG [46]. LACC jest niezbędny do kontroli motorycznej, poznania i motywacji, a jego zmniejszona aktywacja została powiązana z uzależnieniem od kokainy [95]. OFC bierze udział w przetwarzaniu emocji i odgrywa rolę w pragnieniu, nieprzystosowawczych procesach decyzyjnych, a także w zachowaniach kompulsywnych, z których każdy jest nieodłącznym elementem uzależnienia [96]. Ponadto długość uzależnienia od Internetu korelowała ze zmianami DLPFC, rACC, SMA i PLIC, co świadczy o wzroście nasilenia atrofii mózgu w czasie [46]. DLPFC, rACC, ACC i PHG zostały powiązane z samokontrolą [22,25,44], podczas gdy SMA pośredniczy w kontroli poznawczej [97]. Zanik w tych regionach może tłumaczyć utratę kontroli nad uzależnionym w odniesieniu do jego leku lub wybranej przez niego działalności. Z drugiej strony PCC odgrywa ważną rolę w pośredniczeniu w procesach emocjonalnych i pamięci [98], a spadek jego gęstości może wskazywać na nieprawidłowości związane z tymi funkcjami.

Wzrost wewnętrznej kapsułki został powiązany z funkcją motoryczną dłoni i obrazami motorycznymi [99,100], a można to wytłumaczyć częstym zaangażowaniem w gry komputerowe, które wymaga i znacznie poprawia koordynację oko-ręka [101]. Co więcej, zmniejszoną gęstość włókien i mielinizację istoty białej, mierzone za pomocą FA, stwierdzono w przedniej kończynie wewnętrznej kapsułki, zewnętrznej torebce, promieniowaniu koronowym, gorszym zwoju czołowo-potylicznym i zakręcie przedśrodkowym u uzależnionych od Internetu w stosunku do zdrowych kontroli [48]. Podobne nieprawidłowości istoty białej odnotowano w przypadku innych uzależnień związanych z substancjami [102,103]. Podobnie stwierdzono, że łączność światłowodów w ciele modzelowatym jest zmniejszona u uzależnionych od Internetu w porównaniu ze zdrowymi kontrolami, co wskazuje, że uzależnienie od Internetu może mieć podobne konsekwencje zwyrodnieniowe w odniesieniu do połączeń między półkulami. Ustalenia te są zgodne z doniesieniami na temat uzależnień związanych z substancjami [104].

Co więcej, pojawiły się różnice płciowe w aktywacji w taki sposób, że u mężczyzn aktywacja i łączność obszarów mózgu związanych z układem nagrody mezokortykolimbicznej były silniejsze w porównaniu z kobietami. Może to wyjaśniać znacznie większą podatność mężczyzn na uzależnienie od gier i Internetu, o której informowano w recenzjach literatury empirycznej (tj. [7,105)].

Oprócz wyników badań rezonansu magnetycznego dotychczasowe badania EEG oceniające uzależnienie od Internetu i gier oferują szereg ważnych odkryć, które mogą pomóc w zrozumieniu behawioralnych i funkcjonalnych korelacji tej nowo powstałej psychopatologii. Oprócz tego eksperymentalny charakter wszystkich uwzględnionych badań EEG pozwala na określenie związku przyczynowego między ocenianymi zmiennymi. Wykazano, że w porównaniu do kontroli uzależnieni od Internetu zmniejszyli amplitudy P300 i zwiększyli opóźnienie P300. Zazwyczaj ta amplituda odzwierciedla przydział uwagi. Różnice w amplitudzie między uzależnionymi od Internetu a kontrolami wskazują, że albo uzależnieni od Internetu mają upośledzoną zdolność uwagi lub nie są w stanie odpowiednio przydzielić uwagi [55,57]. Małe amplitudy P300 zostały powiązane z genetyczną podatnością na alkoholizm w metaanalizie [106]. Stwierdzono ponadto, że zmniejszone opóźnienie P300 odróżnia osoby pijące intensywnie od osób pijących społecznie [107]. W związku z tym wydaje się, że występuje powszechna zmiana fluktuacji napięcia neuronalnego u osób uzależnionych od substancji i zaangażowania w korzystanie z Internetu w stosunku do osób nieuzależnionych. W związku z tym uzależnienie internetowe wydaje się mieć wpływ na funkcjonowanie neuroelektryczne podobne do uzależnień od substancji. Zasadniczo mózgi uzależnionych od Internetu okazały się mniej wydajne w odniesieniu do przetwarzania informacji i hamowania odpowiedzi w stosunku do mózgów zdrowych uczestników kontroli [54,56]. Wskazuje to, że uzależnienie od Internetu wiąże się z niską kontrolą impulsów i wykorzystaniem zwiększonej ilości zasobów poznawczych w celu wykonania określonych zadań [53]. Ponadto uzależnieni internetowi wydają się mieć upośledzoną zdolność kontroli wykonawczej w stosunku do kontroli [56,53]. Wyniki te są zgodne ze zmniejszoną zdolnością kontroli wykonawczej występującą u osób uzależnionych od kokainy, co implikuje zmniejszoną aktywność w przed- i środkowo-czołowych obszarach mózgu, która pozwoliłaby na działania napędzane impulsami [108].

Z biochemicznego punktu widzenia wyniki badań PET dostarczają dowodów na prążkowe uwalnianie dopaminy podczas gry [50]. Wykazano, że częste gry i korzystanie z Internetu obniżają poziom dopaminy (ze względu na zmniejszoną dostępność transportera dopaminy) i prowadzą do zaburzeń neurobiologicznych w układzie dopaminergicznym u osób uzależnionych od Internetu [49,51]. Zmniejszona dostępność była związana z nasileniem uzależnienia od Internetu [49]. Od czasu do czasu zgłaszano nałogi zmniejszonego poziomu dopaminy [26,109,110]. Ponadto zgłaszano nieprawidłowości strukturalne w ciele prążkowanym [51]. Uszkodzenia ciałka prążkowanego związane są z uzależnieniem od heroiny [111].

Badania zawarte w tym przeglądzie literatury wydają się dostarczać przekonujących dowodów na podobieństwa między różnymi rodzajami uzależnień, szczególnie uzależnień związanych z substancjami i uzależnieniem od Internetu, na różnych poziomach. Na poziomie molekularnym wykazano, że uzależnienie od Internetu charakteryzuje się ogólnym niedoborem nagrody, który charakteryzuje się zmniejszoną aktywnością dopaminergiczną. Kierunek tej relacji nie został jeszcze zbadany. Większość badań nie mogła wykluczyć, że uzależnienie rozwija się w wyniku wadliwego systemu wynagrodzeń, a nie odwrotnie. Możliwość, że deficyty w systemie nagród predysponują niektóre osoby do rozwinięcia się uzależnienia od narkotyków lub zachowania, takiego jak uzależnienie od Internetu, mogą narazić osobę na większe ryzyko psychopatologii. U uzależnionych od Internetu negatywną afektywność można uznać za stan wyjściowy, w którym uzależniony jest zajęty korzystaniem z Internetu i gier w celu zmiany nastroju. Spowodowane jest to aktywacją systemu antyrewersyjnego. Ze względu na nadmierne korzystanie z Internetu i gier online wydaje się, że procesy przeciwnika są wprawiane w ruch, które szybko przyzwyczajają uzależnionego do korzystania z Internetu, prowadząc do tolerancji, a jeśli korzystanie zostanie przerwane, wycofanie [27]. W związku z tym zmniejszenie neuronalnej dopaminy, jak wykazano w uzależnieniu od Internetu, może być powiązane z często zgłaszanymi chorobami towarzyszącymi z zaburzeniami afektywnymi, takimi jak depresja [112], zaburzenie afektywne dwubiegunowe [113] oraz zaburzenie osobowości typu borderline [10].

Na poziomie obwodów nerwowych neuroadaptacja występuje w wyniku zwiększonej aktywności mózgu w obszarach mózgu związanych z uzależnieniem i zmianami strukturalnymi w wyniku uzależnienia od Internetu i gier. Cytowane badania dostarczają wyraźnego obrazu patogenezy uzależnień od Internetu i gier oraz podkreślają, w jaki sposób utrzymywane są wzorce zachowań wskazujących na uzależnienie. Mózg przystosowuje się do częstego używania narkotyków lub angażowania się w uzależniające zachowania, dzięki czemu staje się odczulony na naturalne wzmacniacze. Co ważne, funkcjonowanie i struktura OFC i zakrętu obręczy są zmienione, co prowadzi do zwiększenia wrażliwości na leki lub zachowania oraz utraty kontroli nad zachowaniami. Mechanizmy uczenia się i zwiększona motywacja do konsumpcji / zaangażowania skutkują kompulsywnymi zachowaniami [114].

Na poziomie behawioralnym uzależnieni od Internetu i gier wydają się być ograniczeni pod względem kontroli impulsów, hamowania behawioralnego, kontroli funkcjonowania wykonawczego, zdolności uwagi i ogólnego funkcjonowania poznawczego. Z kolei niektóre umiejętności są rozwijane i ulepszane w wyniku częstego angażowania się w technologię, takich jak integracja informacji percepcyjnych w mózgu za pomocą zmysłów oraz koordynacja ręka-oko. Wydaje się, że nadmierne zaangażowanie w technologię przynosi szereg korzyści graczom i użytkownikom Internetu, jednak ze szkodą dla fundamentalnego funkcjonowania poznawczego.

Podsumowując, badania przedstawione w tym przeglądzie potwierdzają syndromowy model uzależnień, ponieważ wydają się występować podobieństwa neurobiologiczne w różnych uzależnieniach [115]. Zgodnie z tym modelem neurobiologia i kontekst psychospołeczny zwiększają ryzyko uzależnienia. Narażenie na uzależniający lek lub zachowanie oraz określone zdarzenia negatywne i / lub dalsze stosowanie substancji oraz zaangażowanie w zachowanie prowadzi do modyfikacji zachowania. Konsekwencją jest rozwój uzależnień pełnych, które różnią się pod względem ekspresji (np. Kokaina, Internet i gry), ale są podobne w symptomatologii [115], tj. modyfikacja nastroju, salience, tolerancja, wycofanie, konflikt i nawrót [6].

Niezależnie od przedstawionych wnikliwych wyników należy rozwiązać szereg ograniczeń. Po pierwsze, pojawiają się problemy metodologiczne, które mogą zmniejszyć siłę zgłaszanych wyników empirycznych. Zgłoszone zmiany w mózgu związane z uzależnieniem od Internetu i gier online opisane w tym przeglądzie można wyjaśnić na dwa różne sposoby. Z jednej strony można argumentować, że uzależnienie od Internetu prowadzi do zmian w mózgu w stosunku do kontroli. Z drugiej strony osoby o nietypowych strukturach mózgu (jak te zaobserwowane w niniejszym badaniu) mogą być szczególnie predysponowane do rozwoju zachowań uzależniających. Tylko badania eksperymentalne pozwolą ustalić związki przyczynowo-skutkowe. Biorąc pod uwagę delikatny charakter tych badań, które zasadniczo oceniają potencjalną psychopatologię, względy etyczne ograniczą możliwości badań eksperymentalnych w tej dziedzinie. Aby przezwyciężyć ten problem, przyszli badacze powinni oceniać aktywność mózgu i jego zmiany przy różnych okazjach w życiu człowieka. Umożliwiłoby to wydobycie bezcennych informacji na temat związków patogenezy i powiązanych zmian w mózgu w bardziej złożony i, co ważniejsze, przyczynowy.

Po drugie, przegląd ten obejmował badania neuroobrazowania zarówno osób uzależnionych od Internetu, jak i osób uzależnionych od gier online. Na podstawie zebranych dowodów wydaje się, że trudno jest dokonać jakichkolwiek potrąceń w odniesieniu do konkretnych działań, które uzależnieni podejmowali w Internecie, poza niektórymi autorami zajmującymi się uzależnieniem od gier online. Inni natomiast używali kategorii uzależnienia od Internetu i uzależnienia od gier internetowych prawie zamiennie, co nie pozwala na wyciąganie wniosków dotyczących różnic i podobieństw między nimi. W związku z tym zaleca się badaczom, aby wyraźnie ocenili rzeczywiste zachowania związane z korzystaniem z Internetu oraz, w stosownych przypadkach, rozszerzyli pojęcie gier na inne potencjalnie problematyczne zachowania w sieci. Ostatecznie ludzie nie uzależniają się od internetu per seé, ale to właśnie działania, w które się angażują, mogą być potencjalnie problematyczne i mogą prowadzić do uzależnienia w Internecie.

 

 

 

   

5. Wnioski

Celem tego przeglądu było zidentyfikowanie wszystkich dotychczasowych badań empirycznych, w których zastosowano techniki neuroobrazowania w celu rozpoznania neuronalnych korelacji uzależnienia od Internetu i gier. Istnieje stosunkowo niewiele badań (n = 19), dlatego kluczowe jest przeprowadzenie dodatkowych badań w celu powtórzenia wyników badań już przeprowadzonych. Dotychczasowe badania wykorzystywały zarówno paradygmaty strukturalne, jak i funkcjonalne. Zastosowanie każdego z tych paradygmatów pozwala na wydobycie informacji, która jest kluczowa dla ustalenia zmienionej aktywności neuronalnej i morfologii, spowodowanej uzależnieniem od Internetu i uzależnienia od gier. Ogólnie rzecz biorąc, badania wskazują, że uzależnienie od Internetu i gier wiąże się zarówno ze zmianami funkcji, jak i struktury mózgu. Dlatego uzależnienie behawioralne nie tylko zwiększa aktywność w obszarach mózgu często związanych z uzależnieniami związanymi z substancjami, ale wydaje się, że prowadzi do neuroadaptacji w taki sposób, że sam mózg zmienia się w wyniku nadmiernego zaangażowania w Internet i gry .

Pod względem metody badania neuroobrazowania mają przewagę nad tradycyjnymi badaniami ankietowymi i badaniami behawioralnymi, ponieważ przy użyciu tych technik można rozróżnić poszczególne obszary mózgu zaangażowane w rozwój i utrzymywanie uzależnienia. Pomiary zwiększonej aktywności glutaminergicznej i elektrycznej dają wgląd w funkcjonowanie mózgu, natomiast pomiary morfometrii mózgu i dyfuzji wody wskazują na strukturę mózgu. Wykazano, że każda z nich podlega znaczącym zmianom w wyniku uzależnienia od Internetu i gier.

Podsumowując, zrozumienie korelacji neuronalnych związanych z rozwojem zachowań uzależniających związanych z korzystaniem z Internetu i graniem w gry online będzie promować przyszłe badania i utoruje drogę dla rozwoju metod leczenia uzależnień. Jeśli chodzi o praktykę kliniczną, zwiększenie naszej wiedzy na temat patogenezy i utrzymywania uzależnienia od Internetu i gier ma zasadnicze znaczenie dla opracowania konkretnych i skutecznych metod leczenia. Obejmują one podejścia psychofarmakologiczne ukierunkowane na uzależnienie od Internetu i gier hazardowych, szczególnie na poziomie biochemii i układu nerwowego, a także strategie psychologiczne, które mają na celu modyfikację wyuczonych nieprzystosowanych wzorców poznawczych i behawioralnych.

 

 

 

   

Konflikt interesów

Autorzy deklarują brak konfliktu interesów.

 

 

 

   

Referencje

  1. Young, K. Uzależnienie od Internetu na przestrzeni dekady: osobiste spojrzenie wstecz. Światowa psychiatria 2010, 9, 91. [Google Scholar]
  2. Tao, R .; Huang, XQ; Wang, JN; Zhang, HM; Zhang, Y .; Li, MC Proponowane kryteria diagnostyczne uzależnienia od Internetu. Uzależnienie 2010, 105, 556-564. [Google Scholar]
  3. Shaw, M .; Czarne, DW uzależnienie od Internetu: definicja, ocena, epidemiologia i zarządzanie kliniczne. Narkotyki CNS 2008, 22, 353-365. [Google Scholar] [CrossRef]
  4. Müller, KW; Wölfling, K. Gra komputerowa i uzależnienie od Internetu: aspekty diagnostyki, fenomenologii, patogenezy i interwencji terapeutycznej. Suchttherapie 2011, 12, 57-63. [Google Scholar] [CrossRef]
  5. Beutel, ME; Hoch, C .; Woelfing, K .; Mueller, KW Charakterystyka kliniczna uzależnienia od gier komputerowych i Internetu u osób poszukujących leczenia w poradni uzależnienia od gier komputerowych. Z. Psychosom. Med. Psychoterapeuta 2011, 57, 77-90. [Google Scholar]
  6. Griffiths, MD „Uzależniony” model uzależnienia w ramach biopsychospołecznych. J. Subst. Posługiwać się 2005, 10, 191-197. [Google Scholar] [CrossRef]
  7. Kuss, DJ; Griffiths, MD Uzależnienie od gier internetowych: systematyczny przegląd badań empirycznych. Int. J. Ment. Uzależniony od zdrowia. 2012, 10, 278-296. [Google Scholar] [CrossRef]
  8. American Psychiatric Association DSM-5 Development. Zaburzenia korzystania z Internetu. Dostępny online: http://www.dsm5.org/ProposedRevision/Pages/proposedrevision.aspx?rid=573# (dostęp do 31 July 2012).
  9. Adalier, A. Związek między uzależnieniem od Internetu a objawami psychicznymi. Int. J. Glob. Educ. 2012, 1, 42-49. [Google Scholar]
  10. Bernardi, S .; Pallanti, S. Uzależnienie od Internetu: opisowe badanie kliniczne koncentrujące się na chorobach współistniejących i objawach dysocjacyjnych. Compr. Psychiatria 2009, 50, 510-516. [Google Scholar] [CrossRef]
  11. Xiuqin, H .; Huimin, Z .; Mengchen, L .; Jinan, W .; Ying, Z .; Ran, T. Zdrowie psychiczne, osobowość i style wychowawcze nastolatków z zaburzeniami uzależnienia od Internetu. Cyberpsychol. Behav Soc. Netw. 2010, 13, 401-406. [Google Scholar] [CrossRef]
  12. Johansson, A .; Gotestam, KG Uzależnienie od Internetu: Charakterystyka kwestionariusza i rozpowszechnienie wśród norweskiej młodzieży (lata 12-18). Scand. J. Psychol. 2004, 45, 223-229. [Google Scholar] [CrossRef]
  13. Lin, M.-P .; Ko, H.-C .; Wu, JY-W. Rozpowszechnienie i psychospołeczne czynniki ryzyka związane z uzależnieniem od Internetu w reprezentatywnej na szczeblu krajowym próbie studentów na Tajwanie. Cyberpsychol. Behav Soc. Netw. 2011, 14, 741-746. [Google Scholar]
  14. Fu, KW; Chan, WSC; Wong, PWC; Yip, uzależnienie od PSF w Internecie: rozpowszechnienie, dyskryminująca ważność i korelacja wśród nastolatków w Hongkongu. Br. J. Psychiatria 2010, 196, 486-492. [Google Scholar] [CrossRef]
  15. Kartezjusz, R. Treatise of Man; Prometheus Books: New York, NY, USA, 2003. [Google Scholar]
  16. Repovš, G. Neuronauka poznawcza i „problem umysł-ciało”. Horiz. Psychol. 2004, 13, 9-16. [Google Scholar]
  17. Wołków, ND; Fowler, JS; Wang, GJ Uzależniony ludzki mózg: spostrzeżenia z badań obrazowych. J. Clin. Inwestować. 2003, 111, 1444-1451. [Google Scholar]
  18. Pavlov, IP Odruchy warunkowe: badanie aktywności fizjologicznej kory mózgowej; Dover: Mineola, NY, USA, 2003. [Google Scholar]
  19. Skinner, BF Science and Human Behavior; Macmillan: Nowy Jork, Nowy Jork, USA, 1953. [Google Scholar]
  20. Everitt, BJ; Robbins, TW Neuronowe systemy wzmocnienia dla narkomanii: od działań do nawyków do przymusu. Nat. Neurosci. 2005, 8, 1481-1489. [Google Scholar] [CrossRef]
  21. Kalivas, PW; Volkow, ND. Neuralne podstawy uzależnienia: patologia motywacji i wyboru. Rano. J. Psychiatria 2005, 162, 1403-1413. [Google Scholar] [CrossRef]
  22. Goldstein, RZ; Volkow, ND Uzależnienie od narkotyków i jego podstawa neurobiologiczna: Dowody neuroobrazowania na udział kory czołowej. Rano. J. Psychiatria 2002, 159, 1642-1652. [Google Scholar] [CrossRef]
  23. Craven, R. Celowanie w neuronalne korelaty uzależnienia. Nat. Wielebny Neurosci. 2006, 7. [Google Scholar]
  24. Brebner, K .; Wong, TP; Liu, L .; Liu, Y .; Campsall, P .; Gray, S .; Phelps, L .; Phillips, AG; Wang, YT Nucleus obciąża długoterminową depresję i ekspresję uczulenia behawioralnego. Nauka 2005, 310, 1340-1343. [Google Scholar]
  25. Wilson, SJ; Sayette, MA; Fiez, JA Reakcje przedczołowe na sygnały leków: Analiza neurokognitywna. Nat. Neurosci. 2004, 7, 211-214. [Google Scholar]
  26. Di Chiara, G. Nucleus accumbens shell i core dopamine: Różnicowa rola w zachowaniu i uzależnieniu. Behav Res mózgu. 2002, 137, 75-114. [Google Scholar] [CrossRef]
  27. Koob, GF; Le Moal, M. Addiction i mózgowy system antyrewersyjny. Ann. Wielebny Psychol. 2008, 59, 29-53. [Google Scholar]
  28. Prochaska, JO; DiClemente, CC; Norcross, JC W poszukiwaniu zmian. Aplikacje do zachowań uzależniających. Rano. Psychol. 1992, 47, 1102-1114. [Google Scholar]
  29. Potenza, MN Czy zaburzenia uzależniające powinny obejmować stany niezwiązane z substancjami? Uzależnienie 2006, 101, 142-151. [Google Scholar] [CrossRef]
  30. Grant, JE; Brewer, JA; Potenza, MN Neurobiologia substancji i uzależnień behawioralnych. CNS Spectr. 2006, 11, 924-930. [Google Scholar]
  31. Niedermeyer, E .; da Silva, FL Elektroencefalografia: podstawowe zasady, zastosowania kliniczne i dziedziny pokrewne; Lippincot Williams & Wilkins: Filadelfia, Pensylwania, USA, 2004. [Google Scholar]
  32. Luck, SJ; Kappenman, ES The Oxford Handbook of Event-Potential Components; Oxford University Press: Nowy Jork, Nowy Jork, USA, 2011. [Google Scholar]
  33. Bailey, DL; Townsend, DW; Valk, PE; Maisey, MN Tomografia emisyjna pozytronowa: nauki podstawowe; Springer: Secaucus, NJ, USA, 2005. [Google Scholar]
  34. Meikle, SR; Beekman, FJ; Rose, SE Komplementarne technologie obrazowania molekularnego: SPECT o wysokiej rozdzielczości, PET i MRI. Drug Discov. Dzisiaj Technol. 2006, 3, 187-194. [Google Scholar] [CrossRef]
  35. Huettel, SA; Song, AW; McCarthy, G. Functional Magnetic Resonance Imaging, 2nd ed .; Sinauer: Sunderland, MA, USA, 2008. [Google Scholar]
  36. Symms, M .; Jäger, HR; Schmierer, K .; Yousry, TA Przegląd neuroobrazowania strukturalnego rezonansu magnetycznego. J. Neurol. Neurosurg. Psychiatria 2004, 75, 1235-1244. [Google Scholar] [CrossRef]
  37. Ashburner, J .; Friston, KJ Morfometria oparta na wokselach - Metody. NeuroImage 2000, 11, 805-821. [Google Scholar] [CrossRef]
  38. Le Bihan, D .; Mangin, JF; Poupn, C .; Clark, Kalifornia; Pappata, S .; Molko, N .; Chabriat, H. Diffusion Tensor Imaging: koncepcje i zastosowania. J. Magn. Reson. Obrazowanie 2001, 13, 534-546. [Google Scholar]
  39. Dong, G .; Huang, J .; Du, X. Zwiększona wrażliwość na nagrody i zmniejszona wrażliwość na straty u uzależnionych od Internetu: Badanie fMRI podczas zadania zgadywania. J. Psychiatr. Res. 2011, 45, 1525-1529. [Google Scholar]
  40. Han, DH; Lyoo, IK; Renshaw, PF Różnicowa regionalna objętość istoty szarej u pacjentów uzależnionych od gier on-line i profesjonalnych graczy. J. Psychiatr. Res. 2012, 46, 507-515. [Google Scholar] [CrossRef]
  41. Han, DH; Hwang, JW; Renshaw, PF Bupropion o przedłużonym uwalnianiu zmniejsza głód gier wideo i wywołaną bodźcami aktywność mózgu u pacjentów uzależnionych od gier internetowych. Exp. Clin. Psychopharmacol. 2010, 18, 297-304. [Google Scholar]
  42. Han, DH; Kim, YS; Lee, YS; Min. KJ; Renshaw, PF Zmiany w aktywności kory kory przedczołowej wywołanej przez sygnał w trakcie gry wideo. Cyberpsychol. Behav Soc. Netw. 2010, 13, 655-661. [Google Scholar] [CrossRef]
  43. Hoeft, F .; Watson, CL; Kesler, SR; Bettinger, KE; Reiss, AL Różnice płci w układzie mezokortykolimbicznym podczas gry komputerowej. J. Psychiatr. Res. 2008, 42, 253-258. [Google Scholar]
  44. Ko, CH; Liu, GC; Hsiao, SM; Jen, JY; Yang, MJ; Lin, WC; Jen, CF; Chen, CS Brain działania związane z uzależnieniem od gier hazardowych online. J. Psychiatr. Res. 2009, 43, 739-747. [Google Scholar] [CrossRef]
  45. Liu, J .; Gao, XP; Osunde, I .; Li, X .; Zhou, SK; Zheng, HR; Li, LJ Zwiększona regionalna jednorodność w uzależnieniu od Internetu: badanie obrazowania funkcjonalnego rezonansu magnetycznego w stanie spoczynku. Broda. Med. JOT. 2010, 123, 1904-1908. [Google Scholar]
  46. Yuan, K .; Qin, W .; Wang, G .; Zeng, F .; Zhao, L .; Yang, X .; Liu, P .; Liu, J .; Sun, J .; von Deneen, KM; i in. Nieprawidłowości mikrostrukturalne u nastolatków z uzależnieniem od Internetu. PloS One 2011, 6, e20708. [Google Scholar]
  47. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Qin, L.-D .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Nieprawidłowości istoty szarej w uzależnieniu od Internetu: badanie morfometrii oparte na wokselach. Eur. J. Radiol. 2011, 79, 92-95. [Google Scholar]
  48. Lin, F .; Zhou, Y .; Du, Y .; Qin, L .; Zhao, Z .; Xu, J .; Lei, H. Nieprawidłowa integralność istoty białej u młodzieży z zaburzeniem uzależnienia od Internetu: Badanie statystyki przestrzennej oparte na przewodzie. PloS One 2012, 7, e30253. [Google Scholar]
  49. Kim, SH; Baik, SH; Park, CS; Kim, SJ; Choi, SW; Kim, SE Zredukowane prążkowia receptory dopaminowe D2 u osób uzależnionych od Internetu. Neuroreport 2011, 22, 407-411. [Google Scholar] [CrossRef]
  50. Koepp, MJ; Gunn, RN; Lawrence, AD; Cunningham, VJ; Dagher, A .; Jones, T .; Brooks, DJ; Ławka, CJ; Grasby, PM Dowód na uwalnianie dopaminy w prążkowiu podczas gry wideo. Natura 1998, 393, 266-268. [Google Scholar]
  51. Hou, H .; Jia, S .; Hu, S .; Fan, R .; Sun, W .; Sun, T .; Zhang, H. Zredukowane prążkowia transportery dopaminy u osób z zaburzeniami uzależnienia od Internetu. J. Biomed. Biotechnol. 2012, 2012. [Google Scholar]
  52. Dong, G .; Zhou, H .; Zhao, X. Mężczyźni uzależnieni od Internetu wykazują ograniczoną zdolność kontroli wykonawczej: Dowody z zadania Stroopa z kolorowym słowem. Neurosci. Łotysz. 2011, 499, 114-118. [Google Scholar] [CrossRef]
  53. Dong, G .; Lu, Q .; Zhou, H .; Zhao, X. Hamowanie impulsów u osób z zaburzeniem uzależnienia od Internetu: dowody elektrofizjologiczne z badania Go / NoGo. Neurosci. Łotysz. 2010, 485, 138-142. [Google Scholar] [CrossRef]
  54. Dong, G .; Zhou, H. Czy zdolność kontroli impulsów jest zaburzona u osób z uzależnieniem od Internetu: dowody elektrofizjologiczne z badań ERP. Int. J. Psychophysiol. 2010, 77, 334-335. [Google Scholar] [CrossRef]
  55. Ge, L .; Ge, X .; Xu, Y .; Zhang, K .; Zhao, J .; Kong, X. Zmiana P300 i terapia poznawczo-behawioralna u osób z zaburzeniem uzależnienia od Internetu Badanie kontrolne trwające miesiąc 3. Regeneracja neuronowa. Res. 2011, 6, 2037-2041. [Google Scholar]
  56. Littel, M .; Luijten, M .; van den Berg, I .; van Rooij, A .; Keemink, L .; Franken, I. Przetwarzanie błędów i hamowanie reakcji u nadmiernych graczy w gry komputerowe: badanie ERP. Nałogowiec. Biol. 2012. [Google Scholar]
  57. Yu, H .; Zhao, X .; Li, N .; Wang, M .; Zhou, P. Wpływ nadmiernego korzystania z Internetu na charakterystykę czasowo-częstotliwościową EEG. Wałówka. Nat. Sci. 2009, 19, 1383-1387. [Google Scholar] [CrossRef]
  58. Derogatis, LR SCL-90-R Administracja, punktacja i podręcznik procedur II; Clinical Psychometric Research: Towson, MD, USA, 1994. [Google Scholar]
  59. Costa, PT; McCrae, RR zmieniony wykaz osobowości NEO (NEO-PI-R) i wykaz pięciu czynników NEO (NEO-FFI): Podręcznik profesjonalny; Zasoby oceny psychologicznej: Odessa, Floryda, USA, 1992. [Google Scholar]
  60. Naqvi, NH; Bechara, A. Ukryta wyspa uzależnienia: Insula. Trendy Neurosci. 2009, 32, 56-67. [Google Scholar] [CrossRef]
  61. Young, KS Internet Addiction Test (IAT). Dostępny online: http://www.netaddiction.com/index.php?option=com_bfquiz&view=onepage&catid=46&Itemid=106 (dostęp do 14 May 2012).
  62. Tao, R .; Huang, X .; Wang, J .; Liu, C .; Zang, H .; Xiao, L. Proponowane kryterium klinicznej diagnozy uzależnienia od Internetu. Med. J. Chin. PLA 2008, 33, 1188-1191. [Google Scholar]
  63. Wang, W .; Tao, R .; Niu, Y .; Chen, Q .; Jia, J .; Wang, X. Wstępnie zaproponowane kryteria diagnostyczne patologicznego korzystania z Internetu. Broda. Ment Zdrowie J. 2009, 23, 890-894. [Google Scholar]
  64. Young, K. Uzależnienie od Internetu: pojawienie się nowego zaburzenia klinicznego. Cyberpsychol. Behav 1998, 3, 237-244. [Google Scholar] [CrossRef]
  65. Young, KS; Rogers, RC Związek między depresją a uzależnieniem od Internetu. Cyberpsychol. Behav 1998, 1, 25-28. [Google Scholar] [CrossRef]
  66. Johnson, S. Grupa NPD: Całkowita sprzedaż oprogramowania do gier 2010 w porównaniu do 2009. Dostępny online: http://www.g4tv.com/thefeed/blog/post/709764/npd-group-total-2010-game-software-sales-flat-compared-to-2009 (dostęp do 3 February 2012).
  67. Young, K. Psychologia korzystania z komputera: XL. Uzależniające korzystanie z Internetu: przypadek, który przełamuje stereotyp. Psychol. Rozpustnik. 1996, 79, 899-902. [Google Scholar] [CrossRef]
  68. Goldberg, I. Kryteria diagnostyczne uzależnienia od Internetu (IAD). Dostępny online: http://www.psycom.net/iadcriteria.html (dostęp do 23 May 2012).
  69. Young, K. Caught in the Net; Wiley: Nowy Jork, Nowy Jork, USA, 1998. [Google Scholar]
  70. Bentler, PM Porównawcze wskaźniki dopasowania w modelach konstrukcji. Psychol. Byk. 1990, 107, 238-246. [Google Scholar] [CrossRef]
  71. Chen, SH; Weng, LC; Su, YJ; Wu, HM; Yang, PF Rozwój chińskiej skali uzależnienia od Internetu i jego badanie psychometryczne. Broda. J. Psychol. 2003, 45, 279-294. [Google Scholar]
  72. Broda, KW; Wolf, EM Modyfikacja proponowanych kryteriów diagnostycznych uzależnienia od Internetu. Cyberpsychol. Behav 2001, 4, 377-383. [Google Scholar] [CrossRef]
  73. Van Rooij, AJ; Schoenmakers, TM; van den Eijnden, RJ; van de Mheen, D. Test uzależnienia od gier wideo (VAT): ważność i cechy psychometryczne. Cyberpsychol. Behav Soc. Netw. 2012. [Google Scholar]
  74. Ko, CH; Jen, JY; Chen, SH; Yang, MJ; Lin, HC; Jen, CF Zaproponowane kryteria diagnostyczne oraz narzędzie do badań przesiewowych i diagnozowania uzależnienia od Internetu u studentów. Compr. Psychiatria 2009, 50, 378-384. [Google Scholar]
  75. Sheehan, DV; Lecrubier, Y .; Sheehan, KH; Amorim, P .; Janvas, J .; Weiller, E .; Hergueta, T .; Baker, R .; Dunbar, GC Mini-International Neuropsychiatric Interview (MINI): Opracowanie i walidacja ustrukturyzowanego diagnostycznego wywiadu psychiatrycznego dla DSM-IV i ICD-10. J. Clin. Psychiatria 1998, 59, 22-33. [Google Scholar]
  76. Tsai, MC; Tsai, YF; Chen, CY; Liu, CY Test identyfikacyjny zaburzeń spożywania alkoholu (AUDIT): Ustalenie wartości granicznych w hospitalizowanej populacji chińskiej. Alkohol. Clin. Exp. Res. 2005, 29, 53-57. [Google Scholar] [CrossRef]
  77. Heatherton, TF; Kozłowski, LT; Frecker, RC; Fagerström, KO Test Fagerstroma na uzależnienie od nikotyny: aktualizacja kwestionariusza tolerancji Fagerstroma. Br. J. Addict. 1991, 86, 1119-1127. [Google Scholar] [CrossRef]
  78. Beck, A .; Ward, C .; Mendelson, M. Inwentaryzacja pomiaru depresji. Łuk. Gen. Psychiatry 1961, 4, 561-571. [Google Scholar] [CrossRef]
  79. Lebcrubier, Y .; Sheehan, DV; Weiller, E .; Amorim, P .; Bonora, I .; Sheehan, HK; Janavs, J .; Dunbar, GC Mini International Neuropsychiatric Interview (MINI). Krótki ustrukturyzowany wywiad diagnostyczny: Wiarygodność i ważność zgodnie z CIDI. Eur. Psychiatria 1997, 12, 224-231. [Google Scholar]
  80. Po pierwsze, MB; Gibbon, M .; Spitzer, RL; Williams, JBW Structured Clinical Interview for DSM-IV Axis I Disorders: Clinician Version (SCID-CV): Administration Booklet; American Psychiatric Press: Waszyngton, DC, USA, 1996. [Google Scholar]
  81. Barratt, ES Analiza czynnikowa niektórych psychometrycznych miar impulsywności i lęku. Psychol. Rozpustnik. 1965, 16, 547-554. [Google Scholar] [CrossRef]
  82. Lee, Skala Impulsywności HS; Wskazówki dla Korei: Seul, Korea, 1992. [Google Scholar]
  83. Oldfield, RC Ocena i analiza handedness: The Edinburgh Inventory. Neuropsychologia 1971, 9, 97-113. [Google Scholar] [CrossRef]
  84. Sheehan, DV; Sheehan, KH; Shyte, RD; Janavs, J .; Bannon, Y .; Rogers, JE; Milo, KM; Zdjęcie, SL; Wilkinson, B. Wiarygodność i ważność Mini International Neurpsychiatric Interview for Children and Adolescents (MINI-KID). J. Clin. Psychiatria 2010, 71, 313-326. [Google Scholar] [CrossRef]
  85. Huang, X .; Zhang, Z. Kompilacja skali dyspozycyjności zarządzania czasem dojrzewania. Acta Psychol. Grzech. 2001, 33, 338-343. [Google Scholar]
  86. Patton, JH; Stanford, MS; Barratt, ES Struktura czynnikowa Skali Barratt Impulsivity. J. Clin. Psychol. 1995, 51, 768-774. [Google Scholar] [CrossRef]
  87. Birmaher, B .; Khetarpal, S .; Brent, D .; Cully, M .; Balach, L .; Kaufman, J .; Neer, SM Ekran zaburzeń związanych z lękiem u dzieci (SCARED): Budowa skali i cechy psychometryczne. J. Am. Acad Adolesc. Psychiatria 1997, 36, 545-553. [Google Scholar]
  88. Epstein, NB; Baldwin, LM; Bishop, DS Urządzenie do oceny rodziny McMaster. J. Marital Fam. Ther. 1983, 9, 171-180. [Google Scholar] [CrossRef]
  89. Yang, CK; Choe, BM; Baity, M .; Lee, JH; Profile Cho, JS SCL-90-R i 16PF starszych uczniów szkół średnich z nadmiernym wykorzystaniem Internetu. Mogą. J. Psychiatria 2005, 50, 407-414. [Google Scholar]
  90. Eysenck, SBG; Pearson, PR; Easting, G .; Allsopp, JF Normy wieku dotyczące impulsywności, przedsiębiorczości i empatii u dorosłych. Pers. Indywidualny Różnić się. 1985, 6, 613-619. [Google Scholar] [CrossRef]
  91. Lijffijt, M .; Caci, H .; Kenemans, JL Zatwierdzenie holenderskiego tłumaczenia kwestionariusza l7. Pers. Indywidualny Różnić się. 2005, 38, 1123-1133. [Google Scholar] [CrossRef]
  92. Lemmens, P .; Tan, ES; Knibbe, RA Pomiar ilości i częstotliwości picia w badaniu populacji ogólnej: Porównanie pięciu wskaźników. J. Stud. Alkohol 1992, 53, 476-486. [Google Scholar]
  93. Beck, AT; Steer, R. Manual for the Beck Depression Inventory; The Psychological Corporation: San Antonio, TX, USA, 1993. [Google Scholar]
  94. Yi, YS; Kim, JS Ważność krótkich form koreańskiej skali inteligencji dorosłych Wechslera. Korean J. Clin. Psychol. 1995, 14, 111-116. [Google Scholar]
  95. Goldstein, RZ; Alia-Klein, N .; Tomasi, D .; Carrillo, JH; Maloney, T .; Woicik, PA; Wang, R .; Telang, F .; Volkow, ND Przednia hipoaktywacja kory obręczy do emocjonalnie istotnego zadania uzależnienia od kokainy. Proc. Natl. Acad Sci. USA 2009, 106, 9453-9458. [Google Scholar]
  96. Schoenebaum, G .; Roesch, MR; Stalnaker, TA Kora oczodołowo-czołowa, podejmowanie decyzji i uzależnienie od narkotyków. Trendy Neurosci. 2006, 29, 116-124. [Google Scholar] [CrossRef]
  97. Li, C .; Sinha, R. Kontrola hamowania i regulacja stresu emocjonalnego: dowody neuroobrazowania dla dysfunkcji czołowo-limbicznej w uzależnieniu psychostymulującym. Neurosci. Biobehav. Obrót silnika. 2008, 32, 581-597. [Google Scholar] [CrossRef]
  98. Maddock, RJ; Garrett, AS; Buonocore, MH Aktywacja kory obręczy tylnej za pomocą słów emocjonalnych: dowody fMRI z zadania decyzji walencyjnych. Szum. Mózg Mapp. 2003, 18, 30-41. [Google Scholar] [CrossRef]
  99. Schnitzler, A .; Salenius, S .; Salmelin, R .; Jousmäki, V .; Hari, R. Udział pierwotnej kory ruchowej w obrazowaniu ruchowym: badanie neuromagnetyczne. Neuroobraz 1997, 6, 201-208. [Google Scholar] [CrossRef]
  100. Schiemanck, S .; Kwakkel, G .; Poczta, MWM; Kappelle, JL; Prevo, AJH Wpływ wewnętrznych zmian w torebce na wynik funkcji motorycznej ręki w rok po udarze. J. Rehabil. Med. 2008, 40, 96-101. [Google Scholar] [CrossRef]
  101. Rosenberg, BH; Landsittel, D .; Averch, TD Czy można używać gier wideo do przewidywania lub doskonalenia umiejętności laparoskopowych? J. Endourol. 2005, 19, 372-376. [Google Scholar] [CrossRef]
  102. Bora, E .; Yucel, M .; Fornito, A .; Pantelis, C .; Harrison, BJ; Cocchi, L .; Pell, G .; Lubman, DI Mikrostruktura istoty białej w uzależnieniu od opiatów. Nałogowiec. Biol. 2012, 17, 141-148. [Google Scholar] [CrossRef]
  103. Yeh, PH; Simpson, K .; Durazzo, TC; Gazdziński, S .; Meyerhoff, DJ Przestrzenne statystyki przestrzenne (TBSS) danych obrazowania tensora dyfuzyjnego w uzależnieniu od alkoholu: Nieprawidłowości motywacyjnego układu nerwowego. Res Psychiatry. 2009, 173, 22-30. [Google Scholar] [CrossRef]
  104. Arnone, D .; Abou-Saleh, MT; Barrick, TR Obrazowanie tensora dyfuzji ciała modzelowatego w uzależnieniu. Neuuropsychobiology 2006, 54, 107-113. [Google Scholar] [CrossRef]
  105. Byun, S .; Ruffini, C .; Mills, JE; Douglas, AC; Niang, M .; Stepchenkova, S .; Lee, SK; Loutfi, J .; Lee, JK; Atallah, M .; i in. Uzależnienie od Internetu: metazynteza badań ilościowych 1996 – 2006. Cyberpsychol. Behav 2009, 12, 203-207. [Google Scholar] [CrossRef]
  106. Polich, J .; Pollock, VE; Bloom, FE Metaanaliza amplitudy P300 od mężczyzn zagrożonych alkoholizmem. Psychol. Byk. 1994, 115, 55-73. [Google Scholar] [CrossRef]
  107. Nichols, JM; Martin, F. P300 u osób intensywnie pijących w towarzystwie: działanie lorazepamu. Alkohol 1993, 10, 269-274. [Google Scholar] [CrossRef]
  108. Sokhadze, E .; Stewart, C .; Hollifield, M .; Tasman, A. Powiązane ze zdarzeniem Potencjalne badanie dysfunkcji wykonawczych w zadaniu przyspieszonej reakcji w uzależnieniu od kokainy. J. Neurother. 2008, 12, 185-204. [Google Scholar] [CrossRef]
  109. Thomas, MJ; Kalivas, PW; Shaham, Y. Neuroplastyczność w mezolimbicznym układzie dopaminowym i uzależnienie od kokainy. Br. J. Pharmacol. 2008, 154, 327-342. [Google Scholar]
  110. Wołków, ND; Fowler, JS; Wang, GJ; Swanson, JM Dopamine w nadużywaniu narkotyków i uzależnieniu: Wyniki badań obrazowych i implikacje leczenia. Mol. Psychiatria 2004, 9, 557-569. [Google Scholar] [CrossRef]
  111. Jia, SW; Wang, W .; Liu, Y .; Wu, ZM Badania neuroobrazowania zmian ciałka prążkowanego mózgu u pacjentów zależnych od heroiny leczonych ziołolecznictwem, kapsułka U'finer. Nałogowiec. Biol. 2005, 10, 293-297. [Google Scholar] [CrossRef]
  112. Morrison, CM; Gore, H. Związek między nadmiernym korzystaniem z Internetu a depresją: oparte na kwestionariuszu badanie młodzieży i dorosłych 1319. Psychopatologia 2010, 43, 121-126. [Google Scholar] [CrossRef]
  113. Di Nicola, M .; Tedeschi, D .; Mazza, M .; Martinotti, G .; Harnic, D .; Catalano, V .; Bruschi, A .; Pozzi, G .; Bria, P .; Janiri, L. Uzależnienia behawioralne u pacjentów z chorobą afektywną dwubiegunową: Rola impulsywności i wymiary osobowości. J. Affect. Nieład 2010, 125, 82-88. [Google Scholar] [CrossRef]
  114. Wołków, ND; Fowler, JS; Wang, GJ Uzależniony ludzki mózg oglądany w świetle badań obrazowych: obwody mózgowe i strategie leczenia. Neuropharmakologia 2004, 47, 3-13. [Google Scholar] [CrossRef]
  115. Shaffer, HJ; LaPlante, DA; LaBrie, RA; Kidman, RC; Donato, AN; Stanton, MV W kierunku syndromowego modelu uzależnienia: wiele wyrażeń, powszechna etiologia. Harv. Wielebna Psychiatria 2004, 12, 367-374. [Google Scholar] [CrossRef]