Atividade de multitarefa de mídia mais alta está associada à menor densidade de cinza no córtex cingulado anterior (2014)

Citação: Loh KK, Kanai R (2014) A atividade multitarefa de mídia mais alta está associada à densidade menor de Gray-Matter no córtex cingulado anterior. PLoS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Editor: Katsumi Watanabe, Universidade de Tóquio, Japão

Recebido: Fevereiro 25, 2014; Aceitaram: Agosto 8, 2014; Publicado em: 24 de Setembro de 2014

Direitos de autor: © 2014 Loh, Kanai. Este é um artigo de acesso aberto distribuído sob os termos do Licença Creative Commons Attribution, que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original e a fonte sejam creditados.

Financiamento: O financiamento para este projeto veio de uma doação da PRESTO da Agência de Ciência e Tecnologia do Japão. Os financiadores não tiveram nenhum papel no desenho do estudo, coleta e análise de dados, decisão de publicar ou preparação do manuscrito.

Interesses competitivos: Os autores declararam que não existem interesses concorrentes.

Introdução

Multitarefa de mídia, ou o consumo simultâneo de várias formas de mídia, é cada vez mais prevalente na sociedade moderna [1] e tem sido associado com habilidades diminuídas de controle cognitivo [2] assim como impactos psicossociais negativos, como depressão e ansiedade social [3], bem-estar social negativo [4]e fraco desempenho acadêmico [5]. No entanto, neste momento, pouco se sabe sobre os processos neurais associados à multitarefa de mídia. O presente estudo investigou as relações entre a atividade multitarefa de mídia e a variabilidade da estrutura cerebral. Pesquisas demonstraram que a estrutura cerebral pode ser alterada com exposição prolongada a novos ambientes [6] bem como treinamento e experiência [7], [8]. Além disso, a variabilidade regional na matéria cinzenta e branca, avaliada através da Morfometria Baseada em Voxel (VBM), prevê com segurança diferenças individuais numa série de funções cognitivas (ver [9] para uma revisão). Com base nas descobertas acima, hipotetizamos que os engajamentos diferenciais na multitarefa da mídia também refletiriam as diferenças nas estruturas cerebrais regionais.

No presente inquérito, o índice Media-Multitasking (MMI, [2]) é adotado como medida de traço midiático multitarefa. Os escores do MMI têm sido consistentemente associados ao desempenho individual em tarefas de controle cognitivo [2], [10],[11]. Como tal, eles servem como um correlato comportamental confiável com a variabilidade da estrutura cerebral. Esperávamos que a pontuação do IMC de um indivíduo refletisse as diferenças na estrutura cerebral, especificamente nas regiões de controle cognitivo e multitarefa. Pesquisas anteriores convergiram para o papel das regiões corticais pré-frontais no controle cognitivo [12], [13], [14], [15]. Baseado em um estudo de lesão por [16], regiões distintas estão envolvidas em aspectos dissociáveis ​​da multitarefa: os cingulados anterior e posterior estão envolvidos na memória retrospectiva, e as regiões pré-frontais estão implicadas na memória prospectiva e no planejamento. Como tal, esperávamos encontrar associações entre a atividade multitarefa de mídia e a variabilidade estrutural nessas regiões. A atividade multitarefa de mídia está intimamente ligada aos traços de personalidade (isto é, neuroticismo e extroversão [3]), que por sua vez, são preditivos de diferenças estruturais no cérebro [17]. Como tal, a associação entre multitarefa de mídia e estrutura cerebral pode ser confundida por essas diferenças de características. Para investigar essa possibilidade, as relações entre MMI e Big Five traços de personalidade também são examinados.

Obtivemos pontuações MMI, Big Five personalidade traço e ressonância magnética (MRI) em 75 adultos saudáveis ​​que estavam relativamente bem familiarizados com computadores e tecnologias de mídia. Para examinar a relação entre a atividade multitarefa da mídia e a variabilidade da estrutura cerebral, primeiro correlacionamos os escores individuais do MMI com a densidade regional da massa cinzenta em um nível de todo o cérebro via VBM otimizada. [18]. Também examinamos as correlações entre os cinco principais traços e os escores do MMI. Para esclarecer o significado funcional de nossas diferenças estruturais obtidas, analisamos a atividade cerebral em estado de repouso para elucidar associações entre os escores MMI e conectividade funcional dentro do cérebro.

De Depósito

Participantes

75 adultos saudáveis ​​(média de idade = 24.6, SD = 5.0, 38 do sexo masculino) recrutados do grupo de participantes da psicologia da University College London (UCL) participaram do estudo atual após fornecer consentimento informado por escrito. O estudo foi aprovado pelo comitê de ética local da UCL (código de aplicação de ética: 2213 / 002). Selecionamos os participantes para incluir estudantes universitários e funcionários que estavam bem familiarizados com computadores e tecnologias de mídia. Eles foram reembolsados ​​em dinheiro pela participação. Entre os participantes do 75 que participaram no estudo VBM, os dados de fMRI foram recolhidos de um subconjunto de participantes do 40. Sexo, idade, nível de escolaridade e pontuação do IMM não diferiram significativamente entre as duas amostras (tabela 1).

Download:  

• PPT

  Slide do PowerPoint

• PNG

  imagem maior (37KB)

• TIFF

  imagem original (190KB)

Tabela 1. Comparações entre características demográficas e pontuações MMI dos participantes envolvidos em análises de VBM e análises de conectividade funcional.

doi: 10.1371 / journal.pone.0106698.t001

Questionário Multitarefa de Mídia Modificada

Uma versão modificada do questionário de multitarefa de mídia [2] foi administrado a todos os participantes. O MMI forneceu uma medida estável da atividade multitarefa de mídia de característica de um indivíduo. O questionário consistia em duas seções principais: A primeira seção listou os tipos comuns de mídia 12 e os participantes relataram o número total de horas por semana que passaram usando cada mídia. Na versão modificada usada no presente estudo, os tipos de mídia 10 foram retidos [2]: Mídia impressa, televisão, vídeo baseado em computador, música, chamadas de voz por telefone ou celular, mensagens instantâneas, mensagens SMS (Short Messaging Service), e-mail, navegação na Web e outros aplicativos baseados em computador. O item “vídeo ou jogos de computador” foi modificado para incluir jogos em telefones celulares. O item “áudio não musical” foi substituído por “usando sites de redes sociais”. As mudanças foram feitas para refletir melhor as tendências atuais no consumo de mídia. A segunda seção consistiu de uma matriz que envolveu os participantes, indicando o quanto eles usavam simultaneamente todos os outros tipos de mídia, já que usavam um meio primário. A quantidade de uso simultâneo foi indicada em uma escala de 1 para 4 (1 = “Nunca”, 2 = “Um pouco do tempo”, 3 = “Algum tempo” e 4 = “Na maior parte do tempo”). As respostas dos participantes foram primeiro recodificadas da seguinte forma: "Nunca" = 0, "Um pouco do tempo" = 0.33, "Algumas das vezes" = 0.67 e "Na maior parte do tempo" = 1. A soma das respostas codificadas para cada meio primário originou o número médio de meios utilizados simultaneamente quando se utiliza um meio primário. O MMI foi calculado com base na seguinte fórmula: Onde m_i é o número médio de mídia usado simultaneamente durante o uso do meio primário, i; h_i é o número de horas por semana gasto usando o meio primário, i; eh_total é o número total de horas por semana gasto usando todos os formulários de mídia.

Big Five Inventory

O Grande Cinco Inventário (BFI; [19]) forneceu uma medida breve e confiável do item 44 para os cinco fatores de personalidade: extroversão (itens 8), agradabilidade (itens 9), conscientização (itens 9), neuroticismo (itens 8) e abertura à experiência (itens 10). Adotamos o BFI para examinar as associações entre os traços de personalidade MMI e Big Five em nossa amostra.

Aquisição de dados de ressonância magnética

Um scanner 1.5 T Siemens Avanto (Siemens Medical, Erlangen, Alemanha) foi usado para adquirir imagens estruturais de alta resolução ponderadas por T1 para cada participante (MPRAGE; 1 mm³ voxels cúbicos; Fatias 160; TR = 2730 ms; TE = 3.57 ms). Os dados funcionais de ressonância magnética foram adquiridos usando sequências de imagem ecocardiográficas de gradiente-eco ponderadas pelo T2 * (EPI) ascendentes, sensíveis ao contraste BOLD. Cada aquisição consistiu de fatias oblíquas 32, 3.0 × 3.0 mm de resolução, 2.0 mm de espessura com 1.0 mm slice gap. As fatias do EPI foram anguladas individualmente para cada indivíduo para reduzir os artefatos de suscetibilidade da cavidade nasal e maximizar a cobertura das regiões orbitofrontais e do córtex parietal posterior, enquanto sacrificavam a cobertura sobre o pólo temporal. Como tal, a orientação final variava entre 8 ° a 16 °. O intervalo de tempo entre duas aquisições sucessivas da mesma fatia foi 2528 ms com um ângulo de inclinação de 90 e um tempo de eco 44 ms. O campo de visão era 192 × 192 mm. A resolução digital no plano era de 64 × 64 pixels com uma dimensão de pixel de 3.0 × 3.0 mm. Todos os dados foram adquiridos com uma bobina de cabeça de canal 32. Durante a ressonância magnética funcional, os participantes foram instruídos a simplesmente manterem-se imóveis, manter os olhos abertos e não pensar em nada em particular. Uma corrida consistiu de aquisições de volume 180 e os volumes 6 iniciais foram descartados da análise para evitar confusão de magnetização instável. A corrida de fMRI em repouso levou aproximadamente 7.5 minutos.

Análise de Morfometria Baseada em Voxel (VBM)

Morfometria baseada em Voxel (VBM; [20]) é uma técnica de análise de neuroimagem comumente usada que permite análises estatísticas de voxel de imagens de MRI pré-processadas. Os escaneamentos estruturais ponderados por T1 de alta resolução foram analisados ​​com VBM através de Mapeamento Estatístico Paramétrico (SPM8, Departamento de Neurologia Cognitiva Wellcome). As imagens foram primeiro segmentadas para cinza e substância branca. O Registro Anatômico Difomomórfico através da Álgebra de Lie Exponenciada (DARTEL) foi posteriormente realizado para co-registrar as imagens da substância cinzenta. Para garantir que o volume regional de massa cinzenta fosse mantido após o registro, as imagens registradas foram moduladas pelo determinante Jacobiano dos campos de fluxo calculados pela DARTEL. As imagens registradas da substância cinzenta foram alisadas com um núcleo de Gauss (largura máxima no meio máximo = 10 mm) e foram então transformadas e normalizadas para o espaço estereotáxico do Montreal Neurological Institute (MNI) para posterior análise de regressão múltipla.

Análise de regressão múltipla foi realizada nas imagens de substância cinzenta normalizadas com escores MMI como o principal regressor. Idade, sexo e volume total do cérebro foram incluídos como covariáveis ​​sem interesse para todas as regressões. Para detectar voxels nos quais a densidade regional de substância cinzenta foi correlacionada com os escores do MMI, adotamos um limiar p <05 com o erro da família todo o cérebro corrigido.

Análise de Conectividade Funcional

Para executar a análise de conectividade funcional, usamos a caixa de ferramentas de conectividade funcional Conn 13 (http://www.nitrc.org/projects/conn; [21]) combinado com procedimentos de pré-processamento de SPM8. As etapas de pré-processamento, listadas em ordem, incluíram correção para tempo de fatia, realinhamento dos dados de séries temporais para o primeiro volume (ie correção de movimento), co-registro de séries funcionais de RM para a ressonância magnética estrutural correspondente, segmentação de imagens em tecido separado tipos como a substância cinzenta, substância branca e líquido cefalorraquidiano (CSF), e normalização para o padrão padrão MNI e suavização espacial com um filtro Gaussian (FWHM = 8 mm). Os dados da série temporal foram filtrados por banda para 0.01 Hz – 0.1 Hz.

Para a análise de conectividade funcional baseada em sementes, usamos um único cluster significativo encontrado na análise VBM como a região de interesse da semente (ROI). A série temporal média extraída do ROI foi utilizada como regressor em um modelo de regressão múltipla em uma análise de nível individual. Para minimizar as influências de fatores de confusão, os regressores para os seis parâmetros de correção de movimento do pré-processamento foram incluídos. Além disso, os sinais BOLD médios para a substância cinzenta, substância branca e LCR foram extraídos das máscaras criadas a partir do procedimento de segmentação, e também foram incluídos como regressores para minimizar as variâncias associadas a esses sinais globais. As correlações temporais entre o sinal de ROI e o resto do cérebro foram calculadas e as correlações com a ROI da semente foram convertidas em escores Z usando a transformação de Fisher para análises de significância de segundo nível.

Com a imagem estatística transformada em Z, primeiro determinamos as regiões do cérebro mostrando a conectividade funcional com a ROI da semente usando um limiar de p_{Corrigido pela FWE}<0.05. Posteriormente, usamos um limite menos rigoroso de p<0.001 (não corrigido) como uma máscara para capturar regiões ACC conectadas para uma análise de segundo nível na qual buscamos encontrar regiões do cérebro correlacionadas com os escores do MMI. Incluímos idade, sexo e volumes intracranianos totais como covariáveis ​​e adotamos um limite de p <0.05 com erro de família corrigido para o volume definido pela máscara inicial. A justificativa para o mascaramento inicial era garantir que nossa análise fosse restringida a regiões do cérebro que mostrassem atividade correlacionada com a região da semente. Mesmo se encontrarmos uma correlação com as diferenças individuais fora dessas regiões, tais descobertas provavelmente refletiriam correlações espúrias. Adotamos um limite menos rigoroso para o mascaramento, a fim de aumentar o poder de nossas análises de segundo nível.

Dados de imagem processados, bem como conjuntos de dados contendo as variáveis ​​para análises de regressão de conectividade funcional e VBM, são disponibilizados publicamente em: http://dx.doi.org/10.6084/m9.figshare.10​30286.

Resultados

A análise VBM revelou uma associação negativa entre os escores MMI e densidade de substância cinzenta no córtex cingulado anterior (Figura 1; ACC; t (70) = 5.16, P_{Corrigido pela FWE} <05, tamanho do cluster = 158 voxels × 1.5³ = 533 milímetros³; coordenada MNI de pico: x = 12, y = 41, z = 3). Nenhuma outra região cerebral apresentou correlações significativas com os escores do MMI. Assim, maior media multitarefa foi associada com menores volumes de massa cinzenta no ACC. No entanto, análises correlacionais entre os escores MMI e BFI revelaram uma associação altamente significativa entre os escores de Extroversão e MMI (tabela 2; r = 0.347, p = 0.002). Assim, suspeitamos que a associação de matéria cinzenta MMI-ACC observada pudesse ser confundida por diferenças individuais nos escores de extroversão. Em vista disso, repetimos a análise VBM anterior controlando ainda mais as pontuações do BFI como covariáveis ​​adicionais. Realizamos uma regressão múltipla (com densidade de massa cinzenta como variável dependente), incluindo MMI e todos os cinco grandes escores como preditores, juntamente com as covariáveis ​​demográficas. Uma relação negativa significativa foi observada entre o MMI e o volume de massa cinzenta na mesma região do ACC (t (65) = 5.08, P_{Corrigido pela FWE}<05, tamanho do cluster = 74 voxels × 1.5³ = 250 milímetros³; coordenada MNI de pico: x = 12, y = 40, z = 3). Isto sugeriu que há uma associação única entre o MMI e a densidade de substância cinzenta no ACC, independente das variações nos traços de personalidade dos Cinco Grandes.

Download:  

• PPT

  Slide do PowerPoint

• PNG

  imagem maior (475KB)

• TIFF

  imagem original (768KB)

Figura 1. Análises de regressão VBM revelaram que os escores MMI foram significativamente associados com a densidade de matéria cinzenta no ACC (t (70) = 5.16, P_{Corrigido pela FWE} <0.05, tamanho do cluster = 158 voxels x 1.5³ = 533 milímetros³; coordenada MNI de pico: x = 12, y = 41, z = 3).

A densidade de matéria cinzenta ajustada no pico voxel (eixo Y) foi negativamente correlacionada (r = −0.54, p<0.001) com pontuações MMI (eixo X).

doi: 10.1371 / journal.pone.0106698.g001

Download:  

• PPT

  Slide do PowerPoint

• PNG

  imagem maior (20KB)

• TIFF

  imagem original (126KB)

Tabela 2. Correlações entre as pontuações do índice multitarefa de mídia e as pontuações do inventário Big Five.

doi: 10.1371 / journal.pone.0106698.t002

Para esclarecer o significado funcional de nossos resultados de VBM, procuramos identificar, por meio de análises de conectividade funcional, as regiões do cérebro que exibiram conectividade significativa com nossa região de interesse de ACC (ROI) obtida. Esta análise revelou que a atividade no ROI do ACC obtido foi correlacionada com múltiplas regiões cerebrais tipicamente caracterizadas como a Rede de Modo Padrão, incluindo as junções temporo-parietais bilaterais (TPJ; hemisfério direito, x = 48, y = −64, z = 36, p_{Corrigido pela FWE}<0.05; hemisfério esquerdo, x = −44, y = −70, z = 36) e pré-cuneus (x = 4, y = −68, z = 30, p_{Corrigido pela FWE}<0.05) entre outras regiões (tabela 3). Esses resultados sugerem que o ROI do ACC que encontramos com a análise VBM provavelmente está dentro do DMN. Em seguida, investigamos se os escores do MMI estavam associados à conectividade entre nossas regiões de ROI do ACC e DMN. Análises de regressão foram realizadas em correlações transformadas em z entre as regiões ACC e DMN com MMI como o principal preditor e idade, sexo e volume total do cérebro como covariáveis. Nenhuma associação significativa emergiu p_{Corrigido pela FWE}<0.05. Contudo, a um limiar menos rigoroso p_{sem correção}<0.001, maiores pontuações MMI foi associado com fraca conectividade entre o ACC ROI eo precuneus (Figura 2; precuneus; t (40) = 5.22, p_{sem correção}<0.001, tamanho do cluster = 159 mm³; Coordenada MNI de pico: x = 10, y = −50, z = 18). Ressaltamos que nossos resultados de conectividade foram obtidos em um limiar menos rigoroso e forneceu evidências limitadas para que possamos tirar conclusões sobre MMI e associações funcionais de conectividade. Como tal, este conjunto de resultados serviu apenas na interpretação funcional dos nossos resultados de VBM.

Download:  

• PPT

  Slide do PowerPoint

• PNG

  imagem maior (795KB)

• TIFF

  imagem original (1.17MB)

Figura 2. Análises de regressão revelaram que a conectividade entre o ROI do ACC e o Precuneus (interseção de linhas azuis) foi negativamente associada com os escores do MMI (Precuneus; t (40) = 5.22, P_{FWE-não corrigido}<0.001, tamanho do cluster = 159 mm³; Coordenada MNI de pico: x = 10, y = −50, z = 18).

Houve uma relação negativa (r = −0.68, p<0.001) entre as correlações ACC-Precuneus transformadas em Z ajustadas (eixo Y) e pontuações MMI (eixo X).

doi: 10.1371 / journal.pone.0106698.g002

Download:  

• PPT

  Slide do PowerPoint

• PNG

  imagem maior (34KB)

• TIFF

  imagem original (177KB)

Tabela 3. Regiões cerebrais exibindo conectividade funcional com o ROI do ACC.

doi: 10.1371 / journal.pone.0106698.t003

Discussão

Como hipotetizado, o presente estudo revelou uma relação significativa entre multitarefa de mídia e variações na estrutura cerebral: indivíduos que relataram maiores quantidades de multitarefa de mídia apresentaram menor densidade de substância cinzenta no ACC. Esta associação foi significativa a um limiar rigoroso (p_{Corrigido pela FWE}<0.05) e foi independente das diferenças entre os traços de personalidade Big Five. Discutimos possíveis interpretações de nossos correlatos estruturais à luz de evidências recentes sobre as funções do ACC e os correlatos comportamentais do MMI.

O ACC serve como um nexo crucial de vias de processamento de informação no cérebro e tem sido implicado em processos sensório-motores, nociceptivos, cognitivos e emocionais / motivacionais mais elevados. [22], [23]. Destes, nós postulamos que a nossa região ACC obtida está provavelmente ligada a processos cognitivos mais elevados, uma vez que a multitarefa dos media tem sido consistentemente associada ao desempenho do controlo cognitivo. [2], [10], [11], [24]. Além disso, o ROI do ACC exibiu conectividade funcional significativa com as regiões cerebrais da DMN que também estavam tipicamente ligadas a operações cognitivas mais altas [25], [26].

Em termos de processamento cognitivo, acredita-se que o ACC esteja envolvido em erro ou detecção de conflitos [27], [28]. As ativações do ACC são normalmente observadas em tarefas que ativamente ativam respostas incompatíveis, isto é, o Stroop Task [29], [30], atenção seletiva [31] e tarefa flanker [32], [33]. Notavelmente, o ACC tem sido implicado em paradigmas de dupla tarefa [34], [35] onde um indivíduo é confrontado com estímulos e respostas concorrentes associados a duas ou mais tarefas. Analogamente a isso, na multitarefa de mídia, os indivíduos são confrontados com demandas de tarefas distintas associadas aos vários tipos de mídia que estão usando simultaneamente. Como tal, nosso ROI obtido poderia estar implicado em funções de controle cognitivo relacionadas à tarefa dupla. Uma ressalva crítica é que as funções acima mencionadas são normalmente atribuídas ao ACC dorsal em oposição à região rostral onde nosso ROI está situado [23], [32], [35], [36]. No entanto, os pesquisadores notaram que esse delineamento não é absoluto [23], [34], [37]. Em particular, em apoio à nossa interpretação atual, Dreher e seus colegas [34] relataram que o ACC rostral está envolvido exclusivamente na detecção de conflitos no contexto de tarefas duplas.

Nossa principal descoberta indicou que as multitarefas de mídia mais pesada tinham menores volumes de ACC. Para elucidar possíveis implicações comportamentais de volumes reduzidos de ACC em multitarefas pesadas, examinamos estudos comportamentais ligando o MMI e o controle cognitivo. Um estudo de referência por Ophir et al. [2] primeiro revelou a relação entre o aumento da atividade multitarefa da mídia e o controle cognitivo mais fraco. Eles envolveram os participantes em uma série de tarefas de controle cognitivo, como a tarefa Stroop, a troca de tarefas, a filtragem de distrações e as tarefas de n-back. Em face dos distratores, multitarefas pesadas (em relação a multitarefas mais leves) eram mais lentos na detecção de mudanças nos padrões visuais, mais suscetíveis a falsas lembranças dos distratores durante uma tarefa de memória e eram mais lentos na alternância de tarefas. Os autores sugeriram que os multitarefas pesados ​​eram menos capazes de restringir voluntariamente sua atenção apenas à informação relevante da tarefa. Lui e Wong [24] forneceu mais evidências de que os multitarefa mais pesados ​​eram piores na inibição de estímulos irrelevantes para a tarefa e, consequentemente, eram capazes de ter um melhor desempenho em tarefas de integração multissensorial. Um estudo subseqüente [11] mostrou que os multitarefas pesados ​​tiveram um desempenho pior na Operação Span Task (OSPAN), que era muito semelhante a um paradigma de tarefa dupla, uma vez que os participantes precisavam resolver problemas de matemática simultaneamente e memorizar as cartas apresentadas. Multitarefas pesados ​​também relataram mais falhas de atenção na vida cotidiana [38]. No entanto, um estudo recente de Alzahabi e Becker [10] relataram descobertas contrárias: multitarefas mais pesadas não eram piores no desempenho de dupla tarefa e eram melhores em troca de tarefas. Eles também foram incapazes de replicar as descobertas de Ophir et al., Apesar de usarem tarefas idênticas. Os autores observaram que a amostra deles era primariamente feminina e isso poderia ter resultado em seus achados discrepantes. Eles destacaram a importância de estudos longitudinais para revelar relações robustas entre MMI e controle cognitivo.

Em resumo, a literatura sobre MMI existente geralmente sugere que indivíduos que se envolvem em multitarefa mais pesada apresentam habilidades de controle cognitivo mais fracas. Nossos achados atuais estendem essa literatura ao vincular a atividade de multitarefas de mídia mais pesada com volumes menores no ACC: uma região do cérebro que está implicada no controle cognitivo com base em evidências convergentes de neuroimagem. Ressaltamos, no entanto, que mais trabalho é necessário para estabelecer a relação entre a estrutura do ACC e as habilidades de controle cognitivo. Estudos de pacientes com lesões de ACC produziram perspectivas muito mistas sobre a necessidade de ACC em suas funções cognitivas implicadas [39], [40], [41].

Existe também a possibilidade de que a nossa região ACC obtida esteja envolvida em processos emocionais / motivacionais, uma vez que está situada no ACC rostral que está tipicamente ligada ao processo de motivação e emoção. [23]. Volumes reduzidos de ACC têm sido freqüentemente implicados em desordens que envolvem processamento emocional-motivacional aberrante, como transtorno obsessivo-compulsivo [42]transtorno de estresse pós-traumático [43]depressão [44] vícios relacionados a drogas e não relacionados a drogas [45], [46]. Com base nessa perspectiva, é plausível que as multitarefas de mídia mais pesadas, com volumes reduzidos de ACC, possam estar menos dispostas em regulação emocional e motivacional. De fato, os maiores escores do MMI correlacionam-se com aumento do neuroticismo, busca de sensação e impulsividade [3], [11] desfechos socioemocionais negativos [4]. Curiosamente, o padrão de diferenças estruturais cerebrais obtidas no presente estudo foi semelhante aos correlatos neurais da dependência da Internet (IA). Indivíduos com IA, definidos simplesmente como uso excessivo patológico da Internet ou computadores, apresentaram diminuição da densidade de substâncias cinzas e brancas no ACC. [46], [47], [48]. Poderia haver uma possibilidade de que os dois construtos, media multitarefa e IA, estivessem se sobrepondo: o MMI forneceu uma medida de quantas pessoas usaram vários dispositivos de uma vez e isso poderia estar relacionado a IA, o que implica um uso excessivo de computadores e internet.

Uma limitação importante para o presente trabalho é que nossos resultados são obtidos a partir de um estudo transversal sobre a relação entre comportamento multitarefa de mídia e estrutura cerebral. Como tal, a direção da causalidade entre eles não pode ser determinada. Embora seja concebível que indivíduos com menor ACC sejam mais suscetíveis à multitarefa devido à capacidade mais fraca de controle cognitivo ou regulação socioemocional, é igualmente plausível que níveis mais altos de exposição a situações multitarefas levem a mudanças estruturais no ACC. Um estudo longitudinal é necessário para determinar inequivocamente a direção da causação. Nossas descobertas atuais abrem caminho para essa pesquisa, fornecendo uma ligação empírica entre a atividade multitarefa de mídia e diferenças estruturais no ACC. Uma outra advertência é que os presentes achados podem não se estender além de nossa população estudada que é relativamente altamente educada e bem exposta à tecnologia. De fato, os padrões de consumo de mídia podem ser altamente influenciados por fatores demográficos [1]. Assim, estudos futuros devem examinar o papel dos fatores demográficos, como educação e status socioeconômico, na moderação da relação entre multitarefa da mídia, desempenho cognitivo e estruturas cerebrais.

Em conclusão, os indivíduos que se envolveram em mais atividades de multitarefa na mídia tiveram menores volumes de substância cinzenta no ACC. Isso também poderia explicar o pior desempenho do controle cognitivo e os resultados sócio-emocionais negativos associados ao aumento da multitarefa da mídia. Embora a natureza transversal de nosso estudo não nos permita especificar a direção da causalidade, nossos resultados trouxeram à luz novas associações entre comportamentos multitarefa de mídia individual e diferenças de estrutura do ACC.

Contribuições do autor

Concebeu e desenhou as experiências: KL RK. Realizou os experimentos: KL RK. Analisou os dados: KL RK. Reagentes / materiais / ferramentas de análise: KL RK. Escreveu o papel: KL RK.