Analiza sieciowa ujawnia funkcjonalną łączność powiązaną z tendencją do uzależnienia od Internetu (2016)

Front Hum Neurosci. 2016; 10: 6.

Opublikowano online 2016 Feb 1. doi:  10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tania Wen1,2,* i Shulan Hsiehu1,3,4,*

Abstrakcyjny

Zaabsorbowanie i kompulsywne korzystanie z Internetu może mieć negatywne skutki psychologiczne, przez co coraz częściej uznaje się go za zaburzenie psychiczne. W niniejszym badaniu wykorzystano statystyki sieciowe do zbadania, w jaki sposób funkcjonalne połączenia całego mózgu w spoczynku są związane z poziomem uzależnienia od Internetu u poszczególnych osób, indeksowane za pomocą kwestionariusza samooceny. Zidentyfikowaliśmy dwie znaczące topologicznie sieci, jedną z połączeniami, które są dodatnio skorelowane z tendencją do uzależnienia od Internetu, a drugą z połączeniami ujemnie skorelowanymi z tendencją do uzależnienia od Internetu. Obie sieci są ze sobą połączone głównie w regionach frontalnych, co może odzwierciedlać zmiany w regionie czołowym w związku z różnymi aspektami kontroli poznawczej (tj. W celu kontroli korzystania z Internetu i umiejętności gry). Następnie podzieliliśmy mózg na kilka dużych regionalnych podgrup i stwierdziliśmy, że większość proporcji połączeń w dwóch sieciach odpowiada móżdżkowemu modelowi uzależnienia, który obejmuje model czteroprzewodowy.

Wreszcie zauważyliśmy, że regiony mózgu o najbardziej międzyregionalnych powiązaniach związanych z tendencją uzależnienia od Internetu replikują te często spotykane w literaturze na temat uzależnień, co potwierdza nasza metaanaliza badań nad uzależnieniami od Internetu. Badanie to zapewnia lepsze zrozumienie dużych sieci zaangażowanych w skłonność do uzależnienia od Internetu i pokazuje, że przedkliniczne poziomy uzależnienia od Internetu są powiązane z podobnymi regionami i połączeniami jak kliniczne przypadki uzależnienia.

Słowa kluczowe: uzależnienie od Internetu, statystyki sieciowe, łączność funkcjonalna, stan spoczynku, metaanaliza

Wprowadzenie

Uzależnienie od Internetu (; ) jest nowoczesnym zjawiskiem, które charakteryzuje się zajęciem i kompulsywnym korzystaniem z Internetu. W szczególności zaburzenie gier internetowych (IGD) zostało wymienione w sekcji III podręcznika diagnostycznego i statystycznego w wersji 5 (DSM-5®, ). Z powodu braku standardowego kryterium w niektórych piśmiennictwie obie terminologie traktowano jako synonim (patrz ; do dyskusji); jednak kompulsywne i nadmierne korzystanie z Internetu do jakichkolwiek działań (które będziemy w tej literaturze określać jako uzależnienie od Internetu) ma bardziej globalny charakter niż jego główny podtyp IGD, który może obejmować wiele form korzystania z Internetu oprócz gier online (; ; ). Nasze obecne badanie bada uzależnienie internetowe w bardziej ogólnej formie. Podobnie jak w przypadku zaburzeń związanych z używaniem substancji uzależnienie od Internetu wykazuje objawy odstawienia, tolerancję, utratę kontroli i problemy psychospołeczne, prowadząc do klinicznie istotnego stresu lub zaburzeń w codziennym funkcjonowaniu. Częstość występowania wydaje się najwyższa w krajach azjatyckich i wśród nastolatków. Szacuje się, że waha się od 14.1 do 16.5% (procentowy przedział ufności 95) wśród studentów na Tajwanie w jednym badaniu (). Zjawisko to przyciąga większą uwagę w ciągu ostatnich kilku lat i wyraźnie zasługuje na dalsze badania.

Funkcjonalne obrazowanie rezonansu magnetycznego (fMRI) zostało zastosowane do identyfikacji neuronowych substratów uzależnienia od Internetu, które, jak się okazało, wykazują podobne sygnatury mózgu z uzależnieniami związanymi z substancjami (; ; ). W badaniach zablokowanych i związanych ze zdarzeniem zidentyfikowano kilka regionów związanych z nagrodą, uzależnieniem i głodem poprzez kontrastowanie wskazówek dotyczących gier internetowych z linią podstawową, w tym wyspą, jądrem półleżącym (NAc), grzbietowo-boczną korą przedczołową (DLPFC) i czołowym oczodołem kora (OFC) (; ; ; ; ). Jednak podejścia oparte na aktywacji kontrastują aktywność związaną ze wskazówkami i nie odnoszą się do interakcji między regionami mózgu, a zatem nie mogą charakteryzować zmienionych połączeń funkcjonalnych związanych z pomiarami klinicznymi lub behawioralnymi; jednak zaburzenia ludzkie są wynikiem zaburzeń w połączonym złożonym systemie (). Wprowadzenie fMRI w stanie spoczynku okazało się potężnym narzędziem do badania połączeń nerwowych całego mózgu (). Łączność funkcjonalna w stanie spoczynku jest oceniana przez korelację spontanicznych fluktuacji sygnałów zależnych od poziomu tlenu we krwi (BOLD) w różnych regionach mózgu i uważa się, że zapewnia miarę jego organizacji funkcjonalnej i może pomóc scharakteryzować nieprawidłowe synchronizacje między regionami mózgu w spektrum fenotypów psychologicznych (; ).

Chociaż przeprowadzono kilka badań, w których wykorzystano łączność funkcjonalną do zbadania zmienionej łączności funkcjonalnej związanej z uzależnieniem od Internetu, w większości badań wykorzystano regiony zalążkowe wybrane z góry, albo (a) korelując jeden region nasienny z pozostałymi wokselami całego mózgu [ używał NAc; zastosował prawy dolny zakręt czołowy (IFG); zastosował tylną część kory obręczy (PCC); użył ciała migdałowatego; używał wyspy; zastosował jądro ogoniaste i skorupę; zastosował prawy przedni słup; użył właściwego DLPFC] lub (b) wykonując korelacje między wieloma predefiniowanymi obszarami ROI wybranymi ze znaczących sieci ( zbadał centralną sieć wykonawczą i sieć istotności; zbadał sieć kontroli wykonawczej; zbadał sieć kontroli wykonawczej i sieć wynagrodzeń; zbadał sieć hamowania odpowiedzi; zbadano sześć wcześniej zdefiniowanych dwustronnych ROI korowo-prążkowia). Wstępnie zdefiniowane badane regiony nasienne stanowią jedynie niewielką część mózgu, dlatego mogą nie być w stanie zapewnić pełnego obrazu wpływu uzależnienia internetowego na łącznik.

Bardzo niewiele badań wykorzystało podejście całego mózgu do badania uzależnienia od Internetu. Według naszej wiedzy, obecnie są tylko cztery artykuły, które przyjęły podejście całego mózgu, a ich metody są dość zmienne, począwszy od statystyk sieciowych (NBS; ) do topologicznej (; ; ) do nowopowstałej łączności homotopijnej z odzwierciedleniem wokseli (). W szczególności, wykorzystał NBS do zidentyfikowania różnic między grupami w międzyregionalnej łączności funkcjonalnej i stwierdził zaburzenia połączeń zaangażowanych w obwody korowo-podkorowe u pacjentów uzależnionych od Internetu. Jednak ich badania skupiły się na małej próbie wyjątkowej populacji (mężczyźni we wczesnej młodości).

Dlatego w naszym bieżącym artykule postanowiliśmy zastosować podejście łączności całego mózgu, NBS (; ), aby zidentyfikować połączenia funkcjonalne, które są predyktorami tendencji do uzależnienia od Internetu. NBS to zwalidowana metoda statystyczna do rozwiązywania problemu wielokrotnych porównań na wykresie, jest analogiczna do metod opartych na klastrach () i służy do identyfikacji połączeń i sieci obejmujących ludzki connectom, które są związane z efektem eksperymentalnym lub różnicą między grupami poprzez testowanie hipotezy niezależnie przy każdym połączeniu. Nasze wyniki zostaną ponadto porównane z metaanalizą istniejących prac związanych z neuronowymi korelacjami uzależnienia od Internetu. Mamy nadzieję rozszerzyć istniejącą literaturę na kilka sposobów: (1) Mamy nadzieję zapewnić bardziej kompletny obraz uzależnienia od Internetu, wykorzystując analizę całego mózgu zamiast tylko niewielkiej liczby wstępnie zdefiniowanych obszarów zalążkowych. (2) Chociaż istnieje kilka badań nad funkcjonalną łącznością całego mózgu na temat uzależnienia od Internetu (np. ; ) w badaniach porównano grupy uzależnień internetowych ze zdrowymi kontrolami. Nasze badanie nie obejmowało żadnych pacjentów klinicznych, ale charakteryzowało tendencję uzależnienia od Internetu jako gradient. Mamy nadzieję zidentyfikować funkcjonalne połączenia, których siła jest modulowana przez poziom uzależnienia. (3) W większości badań nad uzależnieniami internetowymi nie uwzględniono móżdżku, ale móżdżek jest uważany za ważny region uzależnienia (). Dlatego w naszej analizie uwzględniliśmy móżdżek. (4) Wiele badań ograniczyło grupę uczestników do mężczyzn i często zawiera stosunkowo małe próby (np. , ; ). Aby zwiększyć uogólnienie i siłę tych badań, konieczne są próbki zawierające zarówno płcie, jak i większą wielkość próby (). Zajmując się powyższymi problemami, obecne badanie ma na celu lepsze zrozumienie, w jaki sposób funkcjonalna łączność jest powiązana z tendencją do uzależnienia od Internetu.

Materiały i Metody

Meta-analiza

Metaanaliza została zbudowana przy użyciu bazy danych NeuroSynth (http://neurosynth.org; ). Spersonalizowaną analizę przeprowadzono za pomocą wyszukiwanych terminów „uzależnienie”, „uzależnienie”, „internet”, „gra”, „gra” i „online” w celu zidentyfikowania w bazie danych badań dotyczących uzależnienia od Internetu. Kryteria włączenia zweryfikowano ręcznie, a wykaz zawartych badań wyszczególniono w Materiałach uzupełniających 1. Uwzględniono ogółem badań 18. Szczytowe współrzędne aktywacji, jak również sąsiedztwo wokseli 6 mm, wyodrębniono z włączonych badań. Następnie przeprowadzono metaanalizę tych współrzędnych, uzyskując wnioskowanie do przodu i do tyłu w oparciu o cały mózg z-score mapy. Mapy wnioskowania do przodu odzwierciedlają prawdopodobieństwo aktywacji regionu, biorąc pod uwagę te warunki [P(aktywacja | warunki)], dlatego informujemy nas o spójności aktywacji dla danych warunków. Mapa odwrotnego wnioskowania pokazuje prawdopodobieństwo zastosowania tych terminów w badaniu, biorąc pod uwagę obecność zgłoszonej aktywacji [P(warunki | aktywacja)]; w związku z tym region, który jest aktywowany, wskazuje, że jest bardziej prawdopodobne, że jest to badanie związane z uzależnieniem od Internetu niż badanie niezwiązane z Internetem, odzwierciedlające selektywność tego regionu. Ponieważ wnioskowanie zarówno do przodu, jak i do tyłu odgrywa ważną rolę w pomaganiu nam zrozumieć regiony związane z uzależnieniem od Internetu, nałożyliśmy te dwie mapy wnioskowania, aby przedstawić ich wspólne regiony. Zgłaszane są klastry większe niż pięć wokseli.

FMRI w stanie spoczynku

Uczestnicy

Czterdziestu siedmiu zdrowych uczestników (mężczyźni 21 i kobiety 26) z południowego Tajwanu, z których większość stanowią studenci lub pracownicy uniwersytetu, rekrutowano poprzez reklamy, aby wziąć udział w eksperymencie (przedział wiekowy = 19 – 29 lat, średni wiek = 22.87 lata SD = 2.22 lat). Uczestnicy byli praworęczni (wskazani w Edinburgh Handedness Inventory), mieli normalne lub skorygowane do normalnego widzenie, a także brak historii zaburzeń psychicznych lub nerwowych. Ich wyniki w zakresie depresji, lęku i inteligencji były w normalnym zakresie [wynik inwentarza depresji Becka (BDI): 0 – 12; Wynik Anxiety Inxiety Inventory (BAI): 0 – 7; Wynik testu Raven Standard Progressive Matrices: 35 – 57]. Wynik skorygowanej skali uzależnienia od Internetu (CIAS-R) u wszystkich uczestników miał zakres = 28 – 92, średnia = 60.04, SD = 16.53. Stół Table11 podsumowuje informacje demograficzne i cechy behawioralne uczestników. Normalność wyników CIAS-R została zweryfikowana za pomocą testu Shapiro – Wilka [W(47) = 0.98, p = 0.50]. Nie stwierdzono istotnej korelacji między płcią a wynikiem CIAS-R (ρ Spearmana = 0.15, p = 0.30). Wszyscy uczestnicy wyrazili pisemną świadomą zgodę, a protokół badania został zatwierdzony (NO: B-ER-101-144) przez Institutional Review Board (IRB) National Cheng Kung University Hospital, Tainan, Tajwan. Wszystkim uczestnikom wypłacono 500 NTD po zakończeniu eksperymentu.

Tabela 1  

Informacje demograficzne i cechy behawioralne.

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

Skala uzależnienia od Internetu Chen - poprawiona (CIAS-R; ) jest miarą pozycji 26 stosowaną do oceny nasilenia uzależnienia od Internetu. CIAS-R opiera się na kryteriach zachowań addytywnych DSM-IV-TR i zawiera dwie podskale uzależnienia od Internetu (a) podstawowe objawy i (b) powiązane problemy, oceniając pięć wymiarów, w tym kompulsywne korzystanie z Internetu (1), wycofanie (2) objawy po zabraniu Internetu, tolerancja (3), (4) zagrożenie relacji międzyludzkich i zdrowia fizycznego oraz (5) problemy z zarządzaniem czasem. Przedmioty są oceniane w punktowej skali Likerta 4, z łącznymi wynikami od 26 do 104, odzwierciedlającymi niską do wysokiej tendencję uzależnienia od Internetu. Wykazano, że CIAS-R ma wysoką spójność wewnętrzną (α Cronbacha = 0.79 – 0.93; ) i wysoka dokładność diagnostyczna (AUC = 89.6%; ). W niniejszym badaniu łączny wynik CIAS-R wykorzystano jako wskaźnik aktualnego stanu uzależnienia od Internetu przez uczestników.

Akwizycja i przetwarzanie obrazu

Obrazowanie przeprowadzono przy użyciu skanera GE MR750 3T (GE Healthcare, Waukesha, WI, USA) w centrum MRI National Cheng Kung University. Obrazy anatomiczne o wysokiej rozdzielczości uzyskano za pomocą szybkiego SPGR, składającego się z osiowych wycinków 166 (TR = 7.6 ms, TE = 3.3 ms, kąt odwrócenia 171 = 12 °, macierze 224 × matryce 224, grubość przekroju = 1 mm). Obrazy funkcjonalne uzyskano za pomocą sekwencji impulsów obrazowania echa gradientu echa-płaszczyzny (EPI) (TR = 2000 ms, TE = 30 ms, kąt odwrócenia = 77 °, macierze 64 × matryce 64, grubość przekroju = 4 mm, bez przerwy, rozmiar wokseli 3.4375 mm × 3.4375 mm × 4 mm, wycinki osiowe 32 pokrywające cały mózg).

Uczestnikom powiedziano, aby się zrelaksowali i leżeli w skanerze z zamkniętymi oczami. Poproszono ich, aby podczas skanowania nie myśleli o żadnym konkretnym wydarzeniu. Czas skanowania obrazu strukturalnego wynosił w przybliżeniu 3.6 min. Obraz funkcjonalny trwał około 8 min, a pierwsze pięć TR służyło jako fałszywe skany, aby upewnić się, że sygnał osiągnął stan ustalony przed zebraniem danych; dlatego seria składa się z obrazów woluminów 240 EPI do analizy.

Dane zostały wstępnie przetworzone przy użyciu Asystenta przetwarzania danych dla fMRI stanu spoczynkowego (DPARSF; ), który jest oparty na funkcjach w MRIcroN (1), a także oprogramowanie do statystycznego mapowania parametrycznego (SPM2) oraz zestaw narzędzi do analizy danych fMRI w stanie spoczynku (REST; ) w Matlab (The MathWorks, Inc., Natick, MA, USA). Obrazy funkcjonalne zostały poddane korekcji synchronizacji plastra, a następnie wyrównaniu w celu skorygowania ruchu głowy za pomocą sześcioparametrowych sztywnych transformacji ciała. Całkowity ruch, charakteryzujący się średnim przesunięciem kadru (FD), nie był duży (średnia = 0.05, SD = 0.03) i nie korelowało z wynikami CIAS-R (ρ Spearmana = -0.28, p = 0.055), dlatego impulsywność nie jest mylącym czynnikiem oceny uzależnienia od Internetu i ruchu (). Obrazy T1 zostały zarejestrowane jako obrazy funkcjonalne. Obrazy strukturalne podzielono na CSF, istotę białą i szarą na podstawie map prawdopodobieństwa tkanki w przestrzeni MNI, a te obliczenia zastosowano w późniejszej normalizacji obrazów T1 i EPI do przestrzeni MNI. Dane wygładzono w dziedzinie przestrzennej przy użyciu jądra Gaussa o pełnej szerokości 6 mm w połowie maksimum (FWHM) i usunięto trend liniowy. Zmieniono zmienne towarzyszące, w tym globalny średni sygnał, sygnał istoty białej i sygnał płynu mózgowo-rdzeniowego. Chociaż to, czy przeprowadzić globalną regresję sygnału, jest wciąż przedmiotem kontrowersji (np. ) postanowiliśmy wdrożyć tę metodę, ponieważ sugerowano, aby zmaksymalizować specyfikę korelacji funkcjonalnych i poprawić zgodność między korelacjami w stanie spoczynku a anatomią (; ; ). Wreszcie obrazy zostały poddane filtracji pasmowo-przepustowej dla 0.01 – 0.08 Hz.

Analiza danych

Obrazy fMRI zostały sparowane w oparciu o Anatomiczne Automatyczne Etykietowanie (AAL; ), dzieląc mózg oparty na strukturze anatomicznej na ROI 116 (lub węzły). Wybraliśmy atlas AAL, ponieważ był to najczęściej stosowany parcelacja w badaniach sieci funkcjonalnych (), a także szablon używany przez , którego badanie jest najbardziej odpowiednie dla naszego, zwiększając w ten sposób stopień porównywalności między badaniami (). Metodę NBS wykorzystano do identyfikacji sieci mózgowych, które składają się z międzyregionalnej łączności funkcjonalnej wykazującej znaczącą korelację z wynikiem CIAS-R. Poniższe analizy zostały wykonane przy pomocy Zestawu narzędzi statystycznych opartych na sieci () z dodatkowymi wewnętrznymi skryptami Matlab. Macierz korelacji 116 × 116 została skonstruowana dla każdego uczestnika przy użyciu przebiegów czasowych wyodrębnionych z każdego ROI. The Pearson's r wartości zostały znormalizowane do Z wyniki za pomocą Fishera Z transformacja. Każda komórka macierzy korelacji reprezentuje siłę połączenia (lub krawędzi) między dwoma węzłami. Przeprowadzono masowe testy jednowymiarowe z wykorzystaniem korelacji rang Spearmana między wynikami CIAS-R uczestników a siłami krawędzi w obrębie każdej krawędzi, aby zidentyfikować istotne powiązania, które były predykcyjne dla wyniku CIAS-R. Krawędzie kandydatów, które wykazywały wysoką przewidywalność wyniku CIAS-R, wybrano na podstawie pierwotnego progu rho Spearmana> 0.37 i <-0.37 (w przybliżeniu jednostronna alfa = 0.005), aby zidentyfikować sieci, które są dodatnio i ujemnie związane z CIAS- Wynik R. Następnie wśród połączeń ponadprogowych zidentyfikowano klastry topologiczne, znane jako połączone komponenty grafów. Rodzinny błąd (FWE) dla rozmiaru komponentu obliczono za pomocą testów permutacyjnych (3000 permutacji), które obejmowały losową zmianę kolejności wyników CIAS-R i powtarzanie powyższego procesu dla każdej permutacji w celu uzyskania rozkładu zerowego największego rozmiaru komponentu. Połączone komponenty grafów, których rozmiar przekracza szacunkową poprawkę FWE pwartości odcięcia <0.05 zidentyfikowano jako sieci, które są istotnie powiązane z tendencją do uzależnienia od Internetu. Przeglądarka BrainNet () wykorzystano do wizualizacji połączeń. Ilustracja potoku analizy danych jest pokazana w Postać Figure11.

RYSUNEK 1  

Schemat blokowy analizy danych. Mózgi uczestników zostały wstępnie przetworzone i sparowane z różnymi regionami strukturalnymi zgodnie z szablonem AAL. Macierz korelacji skonstruowano przy użyciu przebiegów czasowych wyodrębnionych z każdego regionu do ...

Efekt

Meta-analiza

Wnioskowanie do przodu i do tyłu z-score mapy zostały wygenerowane z NeuroSynth (pokazane w Postać Figure22). Aktywacje na tych dwóch mapach wykazują duże podobieństwo do siebie. Nakładanie się tych map ujawniło aktywację w obszarach móżdżku, płata skroniowego (dwustronny żyły skroniowe dolne, prawy górny słup skroniowy i prawy środkowy i górny zakręt skroniowy), kilka obszarów czołowych (lewy środkowy i górny zakręt czołowy okrężny, prawy środkowy zakręt czołowy, prawy dolny przedni operculum i prawy zakręt przedśrodkowy), obustronny skorupka, obustronna wysepka, prawy środkowy obręcz i prawy przedrak. Stół Table22 wyświetla zidentyfikowane klastry, a także regiony AAL należące do klastra.

RYSUNEK 2  

Mapy wnioskowania metaanalizy przeprowadzonej na NeuroSynth, pokazujące regiony aktywne w wnioskowaniu do przodu, wnioskowaniu do tyłu i nakładaniu się dwóch map.
Tabela 2  

Nakładające się klastry map wnioskowania do przodu i do tyłu.

FMRI w stanie spoczynku

Połączenia funkcjonalne związane z tendencją do uzależnienia od Internetu

Za pomocą NBS zidentyfikowaliśmy dwie sieci, które wykazały znaczną korelację siły krawędzi i wyników CIAS-R (p <0.05, z korektą FWE): jeden z krawędziami dodatnio skorelowanymi z wynikami CIAS-R („CIAS-R dodatni”, pokazany na czerwono) i jeden z krawędziami ujemnie skorelowanymi z CIAS-R („CIAS-R ujemny”, pokazany w niebieskim). Sieć dodatnia CIAS-R składa się łącznie z 65 węzłów i 90 krawędzi (45 wewnątrzpółkulowych, 42 międzypółkulowe i 3 łączące się z robakiem), podczas gdy sieć ujemna składa się z 64 węzłów i 89 krawędzi (35 wewnątrzpółkulowych, 40 międzypółkulowych i 14 łącząc się z / wewnątrz robaka). Należy zauważyć, że obie sieci nie są całkowicie oddzielne i mają łącznie 39 węzłów, z których 30.77% to obszary płata czołowego. Całkowita liczba krawędzi związanych z CIAS-R obejmuje 2.68% wszystkich krawędzi mózgu. Sieć jest zilustrowana w Postać Figure33 a konkretne połączenia są wymienione w Materiałach uzupełniających 2, Tabela S1.

RYSUNEK 3  

Sieć połączeń skorelowanych z wynikami CIAS-R. Szare kule reprezentują środek ciężkości każdego węzła i są skalowane odpowiednio do liczby znaczących krawędzi, z którymi są skojarzone. Wyświetlane są tylko węzły z połączeniami. Czerwone linie reprezentują ...

Globalna dystrybucja zaangażowanych krawędzi

Aby lepiej zrozumieć sposób dystrybucji tych połączeń, postępowaliśmy zgodnie z nimi i i sklasyfikował każdy region AAL w ramach każdej sieci jako należący do siedmiu regionalnych podgrup: czołowej, skroniowej, ciemieniowej, potylicznej, wyspowej i zakrętu żyroskopowego, podkorowej i móżdżku. Większość krawędzi w sieci dodatniej CIAS-R dotyczyła połączeń między regionami czasowymi (1) a wyspą i obrzeżem gryi (∼13%), z których większość dotyczy tylnego zakrętu obręczy łączącego się z różnymi regionami czasowymi; (2) obszary czołowe i skroniowe (∼12%), które obejmują połączenia między przyśrodkową korą oczodołowo-czołową, płatem przyśrodkowym i żyły płata skroniowego, biegunem skroniowym; oraz (3) obszary ciemieniowe i podkorowe (∼11%), składające się z połączeń między korą pośrodkową i zrazikiem ciemieniowym wyższym z skorupą i pallidum. Warto zauważyć, że oprócz płata czołowego wszystkie inne regiony nie mają żadnych powiązań wewnątrzregionalnych, których siła jest pozytywnie skorelowana z tendencją do uzależnienia od Internetu. Większość krawędzi w ujemnej sieci CIAS-R dotyczyła połączeń między (1) płatem czołowym a móżdżkiem (∼19%), z których większość to połączenia między obszarami czołowymi orbity i różnymi obszarami ROI móżdżku; oraz (2) wysepka i zakręt żyły i płat skroniowy (∼12%), który obejmuje połączenia między wysepką, cingulum, parahippocampal i żyłką skroniową. Żadne regiony potyliczne nie zostały włączone do negatywnej sieci CIAS-R. Proporcje połączeń międzyregionalnych każdej sieci przedstawiono na Postać Figure44.

RYSUNEK 4  

Odsetek dodatnich i ujemnych korelacji z tendencjami uzależnienia od Internetu wśród par regionalnych podgrup. Proporcje obliczono dzieląc liczbę krawędzi między (lub w obrębie) parami regionów z sumą ...

Maksymalnie dotknięte węzły

Ze względu na dużą liczbę zidentyfikowanych krawędzi śledziliśmy oraz zidentyfikował węzły, które mają wysoką „sumę krawędzi skorelowanych z CIAS-R”, aby skoncentrować naszą analizę na regionach, w których połączenia są maksymalnie związane z tendencją do uzależnienia od Internetu. Suma skorelowanych krawędzi CIAS-R węzła została zdefiniowana jako całkowita liczba jego krawędzi zarówno w sieci dodatniej CIAS-R, jak i ujemnej CIAS-R (jest to koncepcyjnie równoważne miary stopnia w teorii grafów). Ta metoda pozwoli nam zidentyfikować węzły, w których połączenia najprawdopodobniej zostaną zmienione przez tendencję do uzależnienia od Internetu. Następujące Stół Table33 wyświetla listę węzłów, na które maksymalny wpływ ma, i pokazuje węzły, które mają co najmniej sumę krawędzi skorelowanych przez CIAS-R co najmniej 8. Wizualizacja węzłów i ich połączeń jest wyświetlana w Postać Figure55. Są to również węzły wybrane do dyskusji.

Tabela 3  

Analiza węzłowa tendencji uzależnienia od Internetu.
RYSUNEK 5  

Wizualizacja węzłów o największej liczbie krawędzi związanych z tendencją do uzależnienia od Internetu. Zielone kule przedstawiają środek ciężkości każdego węzła z maksymalnymi krawędziami, a żółte kule przedstawiają ich funkcjonalnych partnerów łączności. Czerwone linie wskazują krawędzie ...

Dyskusja

W normalnej grupie młodych dorosłych oceniliśmy poziom uzależnienia od Internetu za pomocą kwestionariusza samooceny (CIAS-R), a następnie zidentyfikowaliśmy dwie sieci mózgowe, których połączenia funkcjonalne korelowały dodatnio i ujemnie z tendencją do uzależnienia od Internetu. Poniżej omawiamy nasze wyniki w różnych skalach obserwacji: (1) kluczowe regiony łączące sieci pozytywne CIAS-R i negatywne CIAS-R, regiony (2) o wysokim odsetku połączeń związanych z tendencją uzależnienia od Internetu oraz (3 ) węzły krytyczne zmienione przez tendencję do uzależnienia od Internetu.

Regiony przednie łączą sieci pozytywne CIAS-R i negatywne CIAS-R

Zauważyliśmy, że większość węzłów łączących dwie sieci (CIAS-R dodatnia i CIAS-R ujemna) znajduje się w obrębie płata czołowego. Regiony te obejmują górny zakręt czołowy, IFG, środkowy zakręt czołowy, operand rolandic i dodatkowy obszar motoryczny. Kora przedczołowa jest uważana za kluczową strukturę w kontroli poznawczej, hamowaniu i selekcji odpowiedzi (; ; ). Uzależnienie od Internetu jest zjawiskiem polegającym na tym, że uzależnieni zmniejszyli samokontrolę i podejmowanie decyzji dotyczących korzystania z Internetu, czego odzwierciedleniem jest ciągłe nadużywanie, pomimo ich wiedzy o negatywnych skutkach. Na przykład kilka badań wykazało, że uczestnicy uzależnieni od Internetu wykazali wyższą aktywację front-prążkowia i front-ciemieniowa podczas zadania Go / Nogo (; ; ) i zadanie Stroop (, , ), co sugeruje gorsze hamowanie odpowiedzi i monitorowanie błędów oraz zwiększoną impulsywność. Z drugiej strony uzależnieni od Internetu i gracze w gry wideo często wykazują doskonałą wydajność funkcji poznawczych, takich jak kontrola motoryczna i sprawne podejmowanie decyzji podczas gry. Rzeczywiście, wykazano, że efekty ćwiczeń gier wideo uogólniają się na szereg ulepszonych umiejętności wykonawczych, w tym umiejętności percepcyjnych, motorycznych, uważnych i probabilistycznych (; ; ; ; ). W jednym badaniu fMRI stwierdzono zmniejszoną rekrutację sieci frontowo-ciemieniowej w odtwarzaczach gier wideo w porównaniu z osobami niebędącymi graczami podczas zadania o wysokim zapotrzebowaniu na uwagę, co prawdopodobnie odzwierciedla bardziej wydajną kontrolę wykonawczą i uważną (). Dwie twarze kontroli poznawczej wyświetlane przez uzależnionych od Internetu stanowią ciekawy dylemat. W naszym badaniu obserwacja obszarów czołowych łączących dwie sieci, w których łączność funkcjonalna jest zmniejszana i zwiększana przez tendencję do uzależnienia od Internetu, może odzwierciedlać zmiany w obszarze czołowym dla różnych aspektów kontroli poznawczej (tj. Kontroli korzystania z Internetu i umiejętności gry). Warto o tym wspomnieć przypuszczano, że możliwe jest zwiększenie łączności funkcjonalnej związanej z efektami ćwiczeń u uzależnionych od Internetu, w ich badaniu zaobserwowano jedynie zmniejszoną łączność funkcjonalną. Jedna możliwość zaproponowana przez ich brak zwiększonej łączności funkcjonalnej u osób uzależnionych od Internetu polegał na tym, że ich mała próbka spowodowała brak mocy. Korzystając z analizy opartej na ziarnach, która wymaga mniej wielokrotnych porównań niż w przypadku całego mózgu, ponownie przeanalizował dane 2013 i zaobserwował zarówno zwiększoną, jak i zmniejszoną funkcjonalną łączność związaną z uzależnieniem od Internetu.

Szeroko rozproszone połączenia sieci tendencji uzależnienia od Internetu

Dane pokazują dużą liczbę połączeń między i półkulistych zarówno w sieciach dodatnich CIAS-R, jak i ujemnych CIAS-R, odzwierciedlając duży wpływ tendencji uzależnienia od Internetu na mózg. Zauważyliśmy, że najwyższy odsetek połączeń w dodatniej sieci CIAS-R dotyczył krawędzi „wysepki i obręczy - skroniowej”, „czołowej - skroniowej” i „podkorowej - ciemieniowej”, a najwyższy odsetek połączeń w CIAS-R sieć ujemna obejmowała krawędzie „czołowy - móżdżek” oraz „wysepkę i brzeg obręczy - skroniowy” (Postać Figure44). W niedawno zaproponowanym modelu uzależnienia (), móżdżek pomaga utrzymać homeostazę czterech połączonych ze sobą obwodów związanych z uzależnieniem: nagroda / istotność, motywacja / popęd, nauka / pamięć, a także kontrola poznawcza. Ten model integruje model czteroprzewodowy (, ) oraz funkcjonalne sieci stanu spoczynku móżdżku związane z przetwarzaniem wykonawczym i asocjacyjnym w korze mózgowej (). Składniki nagrody / motywacji, motywacji / popędu i uczenia się / pamięci są wzmacniane, podczas gdy kontrola poznawcza jest zmniejszona w uzależnieniu. Widzieć Postać Figure66 dla ilustracji. Nasze obserwacje najwyższych proporcji łączności funkcjonalnej dwóch sieci tendencji uzależnienia od Internetu są ogólnie kompatybilne model kluczowych elementów zaangażowanych w obwody uzależnienia. Podobnie, nie zaobserwowaliśmy wielu znaczących połączeń obejmujących płat potyliczny, który również łączy się Wyniki. Jednak dodatkowo znaleźliśmy dużą część krawędzi „podkorowo - ciemieniowej”, która chociaż nie jest szczególnie podkreślona w modelu czteroprzewodowym, połączenia te zaobserwowano w literaturze uzależnień internetowych (np. ; , ), co może wynikać z efektu praktycznego związanego z korzystaniem z Internetu.

RYSUNEK 6  

Model uzależnienia podkreślający modulującą rolę móżdżku czterech głównych sieci mózgowych, na które sugeruje się uzależnienie (na podstawie ). Obwody te obejmują nagrodę / istotność, motywację / popęd, naukę / pamięć, ...

Krytyczne węzły zmienione przez tendencję uzależnienia od Internetu

Zidentyfikowaliśmy węzły o największej liczbie połączeń, które są maksymalnie związane z tendencją do uzależnienia od Internetu. Te węzły to te, których wzór połączeń między samym węzłem a innymi regionami mózgu jest najbardziej podatny na zmiany przez skłonność do uzależnienia od Internetu. Regiony obejmują w szczególności dwustronny zakręt tylny obręczy, prawą wyspę, prawy środkowy zakręt skroniowy, lewy górny słup skroniowy, prawy skorupę i orbitalną część lewego IFG (Postać Figure55). Regiony te zostały włączone jako kluczowe regiony w wielu badaniach uzależnień (internetowych), a niektóre zostały już wspomniane w poprzedniej sekcji. Omawiamy teraz literaturę uzależnień, która bardziej szczegółowo podkreśla te regiony. PCC, część sieci w trybie domyślnym i zaangażowana w różne aspekty samodzielnego przetwarzania (; ), służył jako region zalążkowy w badanie, które wykazało znacznie zwiększoną funkcjonalną łączność z obustronnym płatem tylnym móżdżku i środkowym zakrętem skroniowym, podczas gdy zmniejszyło obustronnie dolny płat ciemieniowy i prawy gorszy skręt skroniowy u uzależnionych od gier internetowych. Stwierdzono również, że uzależnieni internetowi wykazują nieprawidłową ułamkową anizotropię () i gęstość istoty szarej () w PCC. wybrał wyspę, która jest zamieszana w uzależnienie (; ), ponieważ region zalążkowy znalazł zmienioną funkcjonalną łączność z siecią regionów uzależnionych od Internetu. Sugerowano rolę izolacji w uzależnieniu w integracji sygnałów interoceptywnych ze świadomymi uczuciami (popędami z narkotyków) i tendencyjnymi zachowaniami podczas podejmowania decyzji (). W niektórych badaniach uzależnień internetowych zaobserwowano środkowy zakręt skroniowy i górny biegun skroniowy (patrz dla metaanalizy) i były powiązane z popędem / pragnieniem gry, przetwarzaniem semantycznym, bezcielesnością, pamięcią roboczą i przetwarzaniem emocjonalnym; jednak ich szczególne role w uzależnieniu wymagają dalszych badań. Skorupa, część prążkowia grzbietowego, jest także regionem krytycznym sugerowanym przez wiele badań nad uzależnieniami (np. ; ; ), w którym współistniejąca neurotransmisja dopaminy bierze udział w rozwoju kompulsywnego poszukiwania narkotyków i głodu narkotykowego (; ). Ponadto badania sugerują, że dysfunkcja w obwodzie prążkowo-wzgórzowo-oczodołowo-czołowym jest kluczową przyczyną uzależnienia, podczas gdy prążkowia grzbietowa zaangażowana w uczenie się nawyków i głód, kora oczodołowo-czołowa związana jest z zasoleniem, popędem i kompulsywnością (; ; ; ). Nieprawidłowe funkcjonowanie kory oczodołowo-czołowej może wyjaśniać nieprawidłowe zachowanie uzależnienia. Podsumowując powyższe, zidentyfikowane przez nas węzły są węzłami, które są najbardziej podatne na zmiany w wyniku tendencji do uzależnienia od Internetu i zostały zidentyfikowane wielokrotnie w istniejącej literaturze.

Ograniczenie

Jak zauważył jeden z naszych recenzentów, czy przeprowadzić globalną regresję sygnału w fMRI w stanie spoczynku nadal pozostaje aktualną debatą. Po ponownej analizie bieżących danych bez globalnej regresji sygnału, nasze wyniki okazały się zupełnie inne w porównaniu z naszą pierwotną analizą i tylko 22.91% krawędzi znalezionych w analizach NBS bez globalnej regresji sygnału pokrywa się z wynikami naszych obecnych wyników. Bez globalnej regresji sygnału nie znaleźliśmy wystarczających połączeń funkcjonalnych, które byłyby pozytywnie powiązane z wynikami CIAS-R; jednak znaleźliśmy sieć składającą się z połączeń funkcjonalnych, które były negatywnie powiązane z wynikami CIAS-R. Kiedy identyfikacja węzłów o największej liczbie połączeń jest maksymalnie związana z tendencją uzależnienia od Internetu, znajdujemy spójność z analizą globalnej regresji sygnału w tym, że najbardziej zaangażowane były obszary obręczy, wysepki, skroniowej i czołowej. Jednak kilka różnic obejmuje dodatkowe wykrycie dwustronnych uzupełniających się obszarów motorycznych i zakrętu prawego kątowego wykazujących zmniejszoną funkcjonalną łączność, a w zidentyfikowanej sieci nie było tylu obszarów podkorowych. Podczas gdy globalna regresja sygnału wciąż pozostaje kontrowersyjna, postanowiliśmy zgłosić oba wyniki. Szczegóły sieci zidentyfikowanej bez globalnej regresji sygnału są udokumentowane w Materiałach uzupełniających 3. Mamy nadzieję, że przyszłe prace nad przetwarzaniem obrazu rzucą światło na to, który wynik będzie dokładniejszy. W tej chwili sugerujemy interpretację bieżących wyników z uwzględnieniem takich zastrzeżeń.

Wnioski

Stosując podejście oparte na danych, pokazaliśmy, że statystyki sieciowe są użytecznym narzędziem do charakteryzowania łączności całego mózgu, na którą wpływa tendencja do uzależnienia od Internetu, identyfikowania połączeń i obszarów krytycznych, które odzwierciedlają wcześniejsze badania. W porównaniu z analizami nasion, to podejście całego mózgu zapewnia bardziej kompleksową analizę połączeń mózgowych związanych z uzależnieniem od Internetu, badając łącznie połączenia 6670. Ponadto wykazaliśmy, że wiele powiązań funkcjonalnych i obszarów mózgu krytycznych w klinicznych przypadkach uzależnienia również wiąże się z tendencjami przedklinicznymi indeksowanymi za pomocą miar kwestionariusza behawioralnego. Chociaż stosując podejście korelacyjne, nie możemy być pewni, czy sieci te ulegają zmianie w wyniku korzystania z Internetu, czy też są cechami osób predysponowanych do wyższego ryzyka uzależnienia od Internetu, badania te dostarczają użytecznych informacji, które pomagają nam zrozumieć neuronalne cechy leżące u podstaw uzależnienia i jego rozwój.

Autorskie Wkłady

TW przeprowadził eksperyment, przeanalizował dane, zinterpretował wyniki, napisał i poprawił manuskrypt. SH zaprojektował eksperyment, napisał propozycję grantu, poprowadził przygotowanie i wykonanie eksperymentu, pomógł w interpretacji danych, przygotowaniu i rewizji manuskryptu.

Oświadczenie o konflikcie interesów

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

Podziękowanie

Autorzy są wdzięczni Yun-Ting Lee za pomoc w gromadzeniu danych i profesorowi Po-Hsienowi Huangowi za konsultacje statystyczne. Badanie zostało sfinansowane przez Ministerstwo Nauki i Technologii (MOST), Tajwan (MOST 102-2420-H-006-006-MY2 i MOST 104-2420-H-006-004-MY2). Ponadto badania te były częściowo wspierane przez Ministerstwo Edukacji (MoE), Tajwan, ROC The Aim for Top University Project to National Cheng Kung University (NCKU). Dziękujemy Centrum Badań i Obrazowania Umysłu (MRIC), wspieranemu przez MOST, w NCKU za konsultacje i dostępność instrumentów. Kwestionariusz CIAS-R został dostarczony przez Sue-Huei Chen.

Przypisy

Materiał uzupełniający

Dodatkowe materiały do ​​tego artykułu można znaleźć w Internecie pod adresem: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Referencje

  • Amerykańskie Stowarzyszenie Psychiatryczne [APA] (2013). Podręcznik diagnostyczny i statystyczny zaburzeń psychicznych (DSM-5®). Arlington, Wirginia: American Psychiatric Pub.
  • Aron AR, Robbins TW, Poldrack RA (2004). Hamowanie i prawa dolna kora czołowa. Trendy Cogn. Sci. 8 170 – 177. 10.1016 / j.tics.2004.02.010 [PubMed] [Cross Ref]
  • Bavelier D., Achtman RL, Mani M., Focker J. (2012). Neuralne podstawy selektywnej uwagi w grach komputerowych. Vis. Res. 61 132 – 143. 10.1016 / j.visres.2011.08.007 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, i in. (2010). Ku odkryciu nauka o funkcjonowaniu ludzkiego mózgu. Proc. Natl. Acad Sci. USA 107 4734-4739. 10.1073 / pnas.0911855107 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Brand M., Young KS, Laier C. (2014). Kontrola przedczołowa i uzależnienie od Internetu: model teoretyczny i przegląd wyników badań neuropsychologicznych i neuroobrazowania. Z przodu. Szum. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Domyślna sieć mózgu - anatomia, funkcja i związek z chorobą. Rok Cogn. Neurosci. 2008 1 – 38. 10.1196 / annals.1440.011 [PubMed] [Cross Ref]
  • Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). Organizacja ludzkiego móżdżku oszacowana przez wewnętrzną funkcjonalną łączność. J. Neurophysiol. 106 2322 – 2345. 10.1152 / jn.00339.2011 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Castel AD, Pratt J., Drummond E. (2005). Wpływ wrażeń z gry akcji na przebieg hamowania powrotu i efektywność wyszukiwania wizualnego. Acta Psychol. 119 217 – 230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Cross Ref]
  • Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF i in. (2015). Mózg koreluje z hamowaniem odpowiedzi w zaburzeniach gier internetowych. Psychiatry Clin. Neurosci. 69 201 – 209. 10.1111 / pcn.12224 [PubMed] [Cross Ref]
  • Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Opracowanie chińskiej skali uzależnienia od Internetu i jej badanie psychometryczne. Broda. J. Psychol. 45 251 – 266. 10.1371 / journal.pone.0098312 [Cross Ref]
  • Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., i in. (2013). Obrazowanie ludzkich łączników w makroskali. Nat. Metody 10 524 – 539. 10.1038 / Nmeth.2482 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, i in. (2014). Impulsywność cechy i upośledzona funkcja hamowania impulsu przedczołowego u nastolatków z uzależnieniem od gier internetowych ujawnionym w badaniu fMRI Go / No-Go. Behav. Brain Funct. 10:20 10.1186/1744-9081-10-20 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR, i in. (2013). Zmieniono domyślną funkcjonalną łączność w stanie spoczynku sieci u nastolatków z uzależnieniem od gier internetowych. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Upośledzona kontrola hamowania w „zaburzeniu uzależnienia od Internetu”: badanie funkcjonalnego rezonansu magnetycznego. Psychiatry Res. Neuroobrazowanie 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong GH, DeVito E., Huang J., Du XX (2012b). Obrazowanie tensora dyfuzyjnego ujawnia wzgórza i tylne nieprawidłowości kory mózgowej u uzależnionych od gier internetowych. J. Psychiatr. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Niezrównoważone funkcjonalne połączenie między siecią kontroli wykonawczej a siecią wynagrodzeń wyjaśnia zachowania związane z wyszukiwaniem gier online w zaburzeniach gier internetowych. Sci. Rozpustnik. 5: 9197 10.1038 / Srep09197 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong GH, Lin X., Potenza MN (2015b). Zmniejszona łączność funkcjonalna w sieci kontroli wykonawczej jest związana z upośledzeniem funkcji wykonawczych w zaburzeniach gier internetowych. Wałówka. Neuro-Psychopharmacol. Biol. Psychiatria 57 76 – 85. 10.1016 / j.pnpbp.2014.10.012 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Dong GH, Lin X., Zhou HL, Lu QL (2014). Elastyczność poznawcza osób uzależnionych od Internetu: dowody fMRI z trudnych i łatwych i trudnych sytuacji przełączania. Nałogowiec. Behav. 39 677-683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Cross Ref]
  • Dong GH, Shen Y., Huang J., Du XX (2013). Upośledzona funkcja monitorowania błędów u osób z uzależnieniem od Internetu: badanie fMRI związane ze zdarzeniem. Eur. Nałogowiec. Res. 19 269-275. 10.1159 / 000346783 [PubMed] [Cross Ref]
  • Droutman V., Read SJ, Bechara A. (2015). Powrót do roli Issuli w uzależnieniu. Trendy Cogn. Sci. 19 414 – 420. 10.1016 / j.tics.2015.05.005 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Barwnik MWG, Green CS, Bavelier D. (2009). Zwiększenie prędkości przetwarzania dzięki grom akcji. Curr. Reż. Psychol. Sci. 18 321-326. 10.1111 / j.1467-8721.2009.01660.x [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X. i in. (2014). Zakłócenie funkcjonalnych sieci w dysleksji: analiza połączeń w całym mózgu oparta na danych. Biol. Psychiatria 76 397 – 404. 10.1016 / j.biopsych.2013.08.031 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Fornito A., Bullmore ET (2015). Connectomics: nowy paradygmat rozumienia chorób mózgu. Eur. Neuropsychopharmacol. 25 733 – 748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Cross Ref]
  • Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Ogólne i specyficzne zaburzenia łączności funkcjonalnej w schizofrenii pierwszego epizodu podczas wykonywania kontroli poznawczej. Biol. Psychiatria 70 64 – 72. 10.1016 / j.biopsych.2011.02.019 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008). Mechanizmy neuronowe, dynamika czasowa i indywidualne różnice w kontroli zakłóceń. J. Cogn. Neurosci. 20 1854 – 1865. 10.1162 / jocn.2008.20122 [PubMed] [Cross Ref]
  • Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Globalny sygnał i obserwowane sieci mózgowe w stanie spoczynku skorelowane. J. Neurophysiol. 101 3270 – 3283. 10.1152 / jn.90777.2008 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Fransson P., Marrelec G. (2008). Kora przednia / tylna obręczy odgrywa kluczową rolę w sieci trybu domyślnego: dowody z częściowej analizy sieci korelacyjnej. Neuroimage 42 1178 – 1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Cross Ref]
  • Goldstein RZ, Volkow ND (2011). Dysfunkcja kory przedczołowej w uzależnieniu: wyniki neuroobrazowania i implikacje kliniczne. Nat. Wielebny Neurosci. 12 652 – 669. 10.1038 / nrn3119 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Zielony CS, Bavelier D. (2003). Akcja gry wideo modyfikuje wizualną uwagę selektywną. Natura 423 534 – 537. 10.1038 / nature01647 [PubMed] [Cross Ref]
  • Green CS, Pouget A., Bavelier D. (2010). Poprawione wnioskowanie probabilistyczne jako ogólny mechanizm uczenia się w grach akcji. Curr. Biol. 20 1573 – 1579. 10.1016 / j.cub.2010.07.040 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Green CS, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). Wpływ gry wideo akcji na przełączanie zadań. Comput. Szum. Behav. 28 984 – 994. 10.1016 / j.chb.2011.12.020 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Griffiths MD, Pontes HM (2014). Zaburzenia uzależnienia od Internetu i zaburzenia gier internetowych to nie to samo. J. Addict. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Cross Ref]
  • Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Statystyki oparte na klastrach dotyczące łączności mózgu w korelacji ze środkami behawioralnymi. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010). Zmiany w aktywności kory przedczołowej indukowanej przez wskazanie podczas gry wideo. Cyberpsychol. Behav. Soc. Netw. 13 655-661. 10.1089 / cyber.2009.0327 [PubMed] [Cross Ref]
  • Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Różnice płciowe w układzie mezokortykolimbicznym podczas gry komputerowej. J. Psychiatr. Res. 42 253 – 258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Cross Ref]
  • Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH i in. (2015). Selektywne zaangażowanie zepsutej łączności funkcjonalnej u młodzieży z zaburzeniami gier internetowych. Brain Res. 1602 85 – 95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Cross Ref]
  • Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH i in. (2013). Zmniejszona funkcjonalna łączność mózgu u nastolatków z uzależnieniem od Internetu. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., i in. (2014). Problematyczne korzystanie z Internetu i problematyczne gry online to nie to samo: ustalenia z dużej reprezentatywnej próby krajowej młodzieży. Cyberpsychol. Behav. Soc. Netw. 17 749-754. 10.1089 / cyber.2014.0475 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY i in. (2014). Zmieniona aktywacja mózgu podczas hamowania odpowiedzi i przetwarzania błędów u osób z zaburzeniami gier internetowych: funkcjonalne badanie obrazowania magnetycznego. Eur. Łuk. Klinika Psychiatryczna. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Cross Ref]
  • Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS i in. (2015). Zmieniono gęstość istoty szarej i zakłócono funkcjonalną łączność ciała migdałowatego u dorosłych z zaburzeniami gier internetowych. Wałówka. Neuro-Psychopharmacol. Biol. Psychiatria 57 185 – 192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Cross Ref]
  • Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC i in. (2009). Aktywność mózgu związana z uzależnieniem od gier online. J. Psychiatr. Res. 43 739 – 747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Cross Ref]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Mózg koreluje pragnienie grania online pod narażeniem na wskazania u osób uzależnionych od hazardu internetowego oraz u osób umarzanych. Nałogowiec. Biol. 18 559-569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Cross Ref]
  • Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Badanie uzależnienia od Internetu: badanie empiryczne na temat punktów odcięcia dla skali uzależnienia od internetu Chen. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Cross Ref]
  • Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L., i in. (2014). Indywidualne różnice w impulsywności przewidują ruch głowy podczas obrazowania rezonansem magnetycznym. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Koob GF, Volkow ND (2010). Układ nerwowy uzależnienia. Neuropsychopharmacology 35 217 – 238. 10.1038 / npp.2009.110 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Kühn S., Gallinat J. (2015). Brains online: strukturalne i funkcjonalne korelaty zwykłego korzystania z Internetu. Nałogowiec. Biol. 20 415 – 422. 10.1111 / adb.12128 [PubMed] [Cross Ref]
  • Kuss DJ, Griffiths MD (2012). Uzależnienie od gier internetowych: systematyczny przegląd badań empirycznych. Int. J. Uzależniony od zdrowia psychicznego. 10 278–296. 10.1007/s11469-011-9318-5 [Cross Ref]
  • Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL, i in. (2014). Upośledzona łączność zwojów czołowo-podstawnych u nastolatków z uzależnieniem od Internetu. Sci. Rozpustnik. 4: 5027 10.1038 / Srep05027 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF i in. (2015). Struktury mózgowe i łączność funkcjonalna związane z indywidualnymi różnicami w tendencjach internetowych u zdrowych młodych dorosłych. Neuropsychologia 70 134 – 144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Cross Ref]
  • Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, i in. (2015). Nieprawidłowe kortykostriatalne obwody funkcjonalne u młodzieży z uzależnieniem od Internetu. Z przodu. Szum. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Lin MP, Ko HC, Wu JYW (2011). Rozpowszechnienie i psychospołeczne czynniki ryzyka związane z uzależnieniem od Internetu w reprezentatywnej na szczeblu krajowym próbie studentów na Tajwanie. Cyberpsychol. Behav Soci. Netw. 14 741-746. 10.1089 / cyber.2010.0574 [PubMed] [Cross Ref]
  • Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A., i in. (2013). Reaktywność sygnalizacji i jej hamowanie u patologicznych graczy w gry komputerowe. Nałogowiec. Biol. 18 134-146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Cross Ref]
  • Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). Dysfunkcja przedczołowa u osób z hazardem internetowym: metaanaliza badań funkcjonalnego rezonansu magnetycznego. Nałogowiec. Biol. 20 799 – 808. 10.1111 / adb.12154 [PubMed] [Cross Ref]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Móżdżek i uzależnienie: spostrzeżenia uzyskane z badań neuroobrazowych. Nałogowiec. Biol. 19 317 – 331. 10.1111 / adb.12101 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Naqvi NH, Bechara A. (2009). Ukryta wyspa uzależnienia: insula. Trendy Neurosci. 32 56 – 67. 10.1016 / j.tins.2008.09.009 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Nichols TE, Holmes AP (2002). Nieparametryczne testy permutacyjne dla funkcjonalnego neuroobrazowania: podkład z przykładami. Szum. Mózg Mapp. 15 1 – 25. 10.1002 / hbm.1058 [PubMed] [Cross Ref]
  • OReilly M. (1996). Uzależnienie od Internetu: nowe zaburzenie wkracza w leksykon medyczny. Mogą. Med. Associ. JOT. 154 1882-1883. [Artykuł bezpłatny PMC] [PubMed]
  • Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Czy mózg uzależniony od gier internetowych jest w stanie patologicznym? Nałogowiec. Biol. [Epub przed drukiem] .10.1111 / adb.12282 [PubMed] [Cross Ref]
  • Petry NM, O'Brien CP (2013). Zaburzenia gier internetowych i DSM-5. Nałóg 108 1186 – 1187. 10.1111 / add.12162 [PubMed] [Cross Ref]
  • Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T. i in. (2014). Międzynarodowy konsensus w sprawie oceny zaburzeń gier internetowych przy użyciu nowego podejścia DSM-5. Nałóg 109 1399 – 1406. 10.1111 / add.12457 [PubMed] [Cross Ref]
  • Rorden C., Karnath HO, Bonilha L. (2007). Poprawa mapowania zmian objawowych. J. Cogn. Neurosci. 19 1081 – 1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Cross Ref]
  • Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A. i in. (2012). Kłopoty w spoczynku: zniekształcenie wzorców korelacji i różnic grupowych po globalnej regresji sygnału. Połącz mózg. 2 25 – 32. 10.1089 / brain.2012.0080 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Song XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, i in. (2011). REST: zestaw narzędzi do przetwarzania danych funkcjonalnego rezonansu magnetycznego w stanie spoczynku. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Definiowanie węzłów w złożonych sieciach mózgowych. Z przodu. Comput. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L. i in. (2012). Badanie mózgu fMRI nad pragnieniem wywołanym przez zdjęcia wskazujące u uzależnionych od gier online (młodzież). Behav. Brain Res. 233 563 – 576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Cross Ref]
  • Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y., i in. (2014). Związek między funkcjonalną łącznością w stanie spoczynku a empatyzowaniem / systematyzowaniem. Neuroimage 99 312 – 322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Cross Ref]
  • Talati A., Hirsch J. (2005). Specjalizacja funkcjonalna w obrębie przyśrodkowego zakrętu czołowego do podejmowania percepcyjnych decyzji typu go / no-go na podstawie informacji pokrewnych „co”, „kiedy” i „gdzie”: badanie fMRI. J. Cogn. Neurosci. 17 981-993. 10.1162 / 0898929054475226 [PubMed] [Cross Ref]
  • Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N., et al. (2002). Zautomatyzowane anatomiczne oznaczanie aktywacji w SPM za pomocą makroskopowej anatomicznej wycinki mózgu jednoosobowego MRI MRI. Neuroimage 15 273 – 289. 10.1006 / nimg.2001.0978 [PubMed] [Cross Ref]
  • van den Heuvel MP, Pol HEH (2010). Badanie sieci mózgu: przegląd funkcjonalnej łączności fMRI w stanie spoczynku. Eur. Neuropsychopharmacol. 20 519 – 534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Cross Ref]
  • Volkow ND, Fowler JS (2000). Uzależnienie, choroba przymusu i popędu: zajęcie kory mózgowo-czołowej. Cereb. Kora 10 318 – 325. 10.1093 / cercor / 10.3.318 [PubMed] [Cross Ref]
  • Volkow ND, Fowler JS, Wang GJ (2003). Uzależniony ludzki mózg: spostrzeżenia z badań obrazowych. J. Clin. Dochodzenie 111 1444 – 1451. 10.1172 / Jci200318533 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Uzależnienie: zmniejszona wrażliwość nagrody i zwiększona czułość oczekiwania spiskują, aby przytłoczyć obwód kontrolny mózgu. Bioessays 32 748 – 755. 10.1002 / bies.201000042 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, i in. (2006). Wskazówki kokainowe i dopamina w prążkowiu grzbietowym: mechanizm głodu uzależnienia od kokainy. J. Neurosci. 26 6583 – 6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Cross Ref]
  • Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, i in. (2015). Zmniejszona funkcjonalna łączność międzykulowa płata przedczołowego u nastolatków z zaburzeniami gier internetowych: pierwsze badanie z użyciem fMRI w stanie spoczynku. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., i in. (2014). Zakłócona sieć funkcjonalna mózgu w zaburzeniu uzależnienia od Internetu: badanie obrazowania funkcjonalnego rezonansu magnetycznego w stanie spoczynku. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Weissenbacher A., ​​Kasess C., Gerstl F., Lanzenberger R., Moser E., Windischberger C. (2009). Korelacje i antykorelacje w MRI połączeń funkcjonalnych w stanie spoczynku: ilościowe porównanie strategii przetwarzania wstępnego. Neuroimage 47 1408 – 1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Cross Ref]
  • Xia M., Wang J., He Y. (2013). BrainNet Viewer: narzędzie do wizualizacji sieci do połączeń z ludzkim mózgiem. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Yan C., Zang Y. (2010). DPARSF: zestaw narzędzi MATLAB do analizy danych „potokowych” fMRI w stanie spoczynku. Z przodu. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Yarkoni T., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Zautomatyzowana synteza na dużą skalę ludzkich funkcjonalnych danych neuroobrazowania. Nat. Metody 8 665 – 670. 10.1038 / nmeth.1635 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Yeo BTT, Krienen FM, Sepulcre J., Sabuncu MR, Lashkari D., Hollinshead M., i in. (2011). Organizacja ludzkiej kory mózgowej oszacowana przez wewnętrzną funkcjonalną łączność. J. Neurophysiol. 106 1125 – 1165. 10.1152 / jn.00338.2011 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Młody KS (1998). Uzależnienie od Internetu: pojawienie się nowego zaburzenia klinicznego. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Cross Ref]
  • Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C., i in. (2015). Interakcje między głównymi sieciami mózgu i kontrola poznawcza u osób z zaburzeniami gier internetowych w późnym okresie dojrzewania / wczesnej dorosłości. Strukturę mózgu. Funkt. [Epub przed drukiem] .10.1007 / s00429-014-0982-7 [PubMed] [Cross Ref]
  • Zalesky A., Fornito A., Bullmore ET (2010a). Statystyka oparta na sieci: identyfikacja różnic w sieciach mózgowych. Neuroimage 53 1197 – 1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Cross Ref]
  • Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C., i in. (2010b). Sieci anatomiczne całego mózgu: czy wybór węzłów ma znaczenie? Neuroimage 50 970 – 983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Cross Ref]
  • Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L. i in. (2015). Zmieniona funkcjonalna łączność wyspy w stanie spoczynku u młodych dorosłych z zaburzeniami gier internetowych. Nałogowiec. Biol. [Epub przed drukiem] .10.1111 / adb.12247 [Artykuł bezpłatny PMC] [PubMed] [Cross Ref]
  • Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. (2011). Nieprawidłowości szarej substancji w uzależnieniu od Internetu: badanie morfometryczne oparte na wokseli. Eur. J. Radiol. 79 92 – 95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Cross Ref]