Многозадачная активность более высокой среды связана с меньшей плотностью серого вещества в передней коре головного мозга (2014)

Образец цитирования: Loh KK, Kanai R (2014) Более высокая мультизадачность в среде связана с меньшей плотностью серого вещества в передней поясной извилине. PLOS ONE 9 (9): e106698. DOI: 10.1371 / journal.pone.0106698

Редактор: Кацуми Ватанабе, Токийский университет, Япония

Получено: Февраль 25, 2014; Принято: Август 8, 2014; Опубликовано: 24 сентября, 2014

Авторское право: © 2014 Loh, Канай. Это статья с открытым доступом, распространяемая на условиях Лицензии Creative Commons Attribution, который допускает неограниченное использование, распространение и воспроизведение на любом носителе при условии, что оригинал автора и источник зачисляются.

Финансирование: Финансирование этого проекта осуществлялось за счет гранта PRESTO Японского научно-технического агентства. Спонсоры не участвовали в разработке исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили, что не существует никаких конкурирующих интересов.

Введение

Медиа многозадачностьили одновременное потребление нескольких форм СМИ, становится все более распространенным в современном обществе [1] и был связан со снижением когнитивных способностей [2] а также негативные психосоциальные воздействия, такие как депрессия и социальная тревога [3], негативное социальное благополучие [4]и плохая успеваемость [5], Однако на данный момент мало что известно о нейронных процессах, связанных с многозадачностью в среде. В настоящем исследовании исследовались взаимосвязи между многозадачностью в среде и изменчивостью структуры мозга. Исследования показали, что структура мозга может быть изменена при длительном воздействии новых сред [6] а также обучение и опыт [7], [8], Кроме того, региональная изменчивость серого и белого вещества, оцененная с помощью Voxel-Based Morphometry (VBM), надежно предсказывает индивидуальные различия в ряде когнитивных функций (см. [9] для обзора). Основываясь на вышеприведенных результатах, мы предположили, что дифференциальные взаимодействия в многозадачной среде также отражают различия в региональных структурах мозга.

В текущем исследовании Индекс многозадачности СМИ (MMI, [2]) принята как мера черты медиа-многозадачности. Баллы MMI были последовательно связаны с индивидуальной эффективностью в задачах когнитивного контроля [2], [10],[11], Как таковые, они служат надежной поведенческой корреляцией с изменчивостью структуры мозга. Мы ожидали, что показатель MMI человека будет отражать различия в структуре мозга, особенно в области когнитивного контроля и многозадачности. Прошлые исследования сходятся о роли префронтальных корковых областей в когнитивном контроле [12], [13], [14], [15], На основании исследования поражения [16]Отдельные области участвуют в диссоциативных аспектах многозадачности: передний и задний поясные извилины участвуют в ретроспективной памяти, а префронтальные области участвуют в предполагаемой памяти и планировании. Таким образом, мы ожидали найти связь между многозадачностью в СМИ и структурной изменчивостью в этих регионах. Многозадачность медиа деятельности тесно связана с личностными качествами (то есть невротизм и экстраверсия [3]), которые, в свою очередь, предсказывают структурные различия в мозге [17], Как таковая, связь между многозадачностью мультимедиа и структурой мозга может быть спутана этими отличительными чертами. Чтобы исследовать эту возможность, также рассматриваются отношения между MMI и личностными качествами Большой Пятерки.

Мы получили показатели MMI, показатели «большой пятерки» и сканирование магнитно-резонансной томографией (МРТ) у здоровых взрослых людей 75, которые были относительно хорошо знакомы с компьютерами и медиа технологиями. Чтобы исследовать взаимосвязь между многозадачной активностью среды и изменчивостью структуры мозга, мы сначала сопоставили отдельные показатели MMI с региональной плотностью серого вещества на уровне всего мозга с помощью оптимизированной VBM. [18], Мы также рассмотрели корреляции между чертами Большой Пятерки и показателями MMI. Чтобы пролить свет на функциональную значимость полученных нами структурных различий, мы проанализировали активность мозга в состоянии покоя, чтобы выяснить связи между показателями MMI и функциональной связностью в мозге.

методы

Участниками

Здоровые взрослые 75 (средний возраст = 24.6, SD = 5.0, мужчины 38), набранные из пула участников психологии Университетского колледжа Лондона (UCL), приняли участие в текущем исследовании после предоставления информированного письменного согласия. Исследование было одобрено местным этическим комитетом UCL (код заявления об этике: 2213 / 002). Мы провели скрининг участников, чтобы включить студентов и сотрудников университетов, которые были хорошо знакомы с компьютерами и медиа технологиями. Им возместили деньги за участие. Среди участников 75, которые принимали участие в исследовании VBM, данные fMRI были получены от подгруппы участников 40. Пол, возраст, уровень образования и баллы MMI существенно не различались между двумя выборками (Таблица 1).

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера37KB)

• TIFF

  оригинальное изображение (190KB)

Таблица 1. Сравнение демографических характеристик и показателей MMI участников, вовлеченных в анализ VBM и анализ функциональной связности.

DOI: 10.1371 / journal.pone.0106698.t001

Модифицированная мультимедийная анкета для СМИ

Модифицированная версия мультизадачной анкеты для СМИ [2] был назначен всем участникам. MMI обеспечил стабильную меру индивидуальной мультимедийной активности. Анкета состояла из двух основных разделов: в первом разделе перечислены распространенные типы носителей 12, а участники сообщили об общем количестве часов в неделю, которые они провели, используя каждый носитель. В модифицированной версии, использованной в настоящем исследовании, типы носителей 10 были сохранены из [2]: Печатные СМИ, телевидение, компьютерное видео, музыка, голосовые вызовы с использованием мобильного или телефона, мгновенные сообщения, служба коротких сообщений (SMS), электронная почта, веб-серфинг и другие компьютерные приложения. Пункт «видео или компьютерные игры» был изменен, чтобы включить игры на мобильных телефонах. Пункт «не музыкальный звук» был заменен на «использование сайтов социальных сетей». Изменения были сделаны, чтобы лучше отражать современные тенденции в потреблении медиа. Второй раздел состоял из матрицы, в которой участвовали участники, показывающие, насколько они одновременно использовали все другие типы среды, поскольку они использовали основную среду. Количество одновременного использования было указано в шкале от 1 до 4 (1 = «Никогда», 2 = «Немного времени», 3 = «Иногда» и 4 = «Большую часть времени»). Сначала ответы участников были записаны следующим образом: «Никогда» = 0, «Немного времени» = 0.33, «Иногда» = 0.67 и «В большинстве случаев» = 1. Суммирование перекодированных ответов для каждой первичной среды дало среднее число носителей, одновременно используемых при использовании первичной среды. MMI рассчитывался по следующей формуле: Где м_i среднее число носителей, одновременно используемых при использовании первичного носителя, i; час_i количество часов в неделю, проведенных с использованием первичной среды, i; и ч_общий общее количество часов в неделю, проведенное с использованием всех форм мультимедиа.

Большая пятерка

Инвентарь Большой Пятерки (BFI; [19]) предоставил краткий и надежный показатель 44-элемента для личностных факторов Большой Пятерки: экстраверсия (элементы 8), приятность (элементы 9), добросовестность (элементы 9), невротизм (элементы 8) и открытость опыту (элементы 10). Мы приняли BFI для изучения связей между MMI и личностными чертами Большой Пятерки в нашей выборке.

Приобретение данных МРТ

Сканер 1.5 T Siemens Avanto (Siemens Medical, Эрланген, Германия) использовался для получения структурных изображений с высоким разрешением T1 для каждого участника (MPRAGE; 1 мм³ кубические воксели; Ломтики 160; TR = 2730 мс; TE = 3.57 мс). Данные функциональной МРТ были получены с использованием восходящих последовательностей T2 * с взвешенным градиентным эхо-эхопланарным изображением (EPI), чувствительных к контрасту BOLD. Каждое приобретение состояло из наклонных срезов 32, разрешение 3.0 × 3.0 мм, толщина 2.0 мм с зазором среза 1.0 мм. Срезы EPI были под углом индивидуально для каждого субъекта, чтобы уменьшить артефакты восприимчивости из полости носа и максимизировать охват орбитофронтальных областей и задней теменной коры, жертвуя при этом охватом височного полюса. Таким образом, конечная ориентация находилась в диапазоне от 8 ° до 16 °. Временной интервал между двумя последовательными захватами одного и того же среза составлял 2528 мс с углом пролета 90 градусов и временем эхо-сигнала 44 мс. Поле зрения было 192 × 192 мм. Цифровое разрешение в плоскости составило 64 × 64 пикселей с размером пикселя 3.0 × 3.0 мм. Все данные были получены с помощью головной катушки 32. Во время функционального МРТ участникам было дано указание просто оставаться на месте, держать глаза открытыми и не думать ни о чем конкретном. Один прогон состоял из получения объема 180, а начальные объемы 6 были исключены из анализа, чтобы избежать путаницы с нестационарной намагниченностью. Запуск mMRI в состоянии покоя занял приблизительно 7.5 минут.

Анализ вольфрамовой морфометрии (VBM)

Воксельная морфометрия (ВБМ; [20]) является широко используемой техникой анализа нейровизуализации, которая позволяет проводить воксельный статистический анализ предварительно обработанных изображений МРТ. Структурные сканирования с высоким разрешением T1 были проанализированы с помощью VBM с помощью статистического параметрического картирования (SPM8, Wellcome, Отдел когнитивной неврологии). Изображения были сначала сегментированы для серого и белого вещества. Диффеоморфная анатомическая регистрация через экспоненциальную алгебру Ли (DARTEL) была впоследствии выполнена для совместной регистрации изображений серого вещества. Чтобы гарантировать, что региональный объем серого вещества сохранялся после регистрации, зарегистрированные изображения модулировались определителем Якоби полей потока, рассчитанным DARTEL. Зарегистрированные изображения серого вещества были сглажены с помощью гауссова ядра (полная ширина на половине максимума = 10 мм), а затем были преобразованы и нормализованы в стереотаксическое пространство Монреальского неврологического института (MNI) для дальнейшего множественного регрессионного анализа.

Множественный регрессионный анализ был выполнен на нормализованных изображениях серого вещества с оценками MMI в качестве основного регрессора. Возраст, пол и общий объем мозга были включены в качестве ковариат, не представляющих интереса для всех регрессий. Чтобы обнаружить вокселы, в которых региональная плотность серого вещества коррелировала с показателями MMI, мы приняли строгий порог: р <05 с семейной ошибкой исправлен весь мозг.

Функциональный анализ взаимодействия

Для проведения анализа функциональных подключений мы использовали версию 13 панели инструментов функциональных подключений Conn (http://www.nitrc.org/projects/conn; [21]) в сочетании с процедурами предварительной обработки SPM8. Этапы предварительной обработки, перечисленные по порядку, включали в себя коррекцию времени среза, перераспределение данных временного ряда в первый том (т.е. коррекцию движения), совместную регистрацию временных рядов функционального МРТ в соответствующий структурный МРТ, сегментацию изображений в отдельную ткань такие типы, как серое вещество, белое вещество и спинномозговая жидкость (CSF), а также нормализация по стандартному шаблону MNI и пространственное сглаживание с помощью гауссовского фильтра (FWHM = 8 мм). Затем данные временных рядов были подвергнуты полосовой фильтрации до 0.01 Hz – 0.1 Hz.

Для анализа функциональной связности на основе начального числа мы использовали один значимый кластер, найденный в анализе VBM, в качестве начального участка интереса (ROI). Средние временные ряды, извлеченные из ROI, использовали регрессор в модели множественной регрессии на индивидуальном уровне анализа. Чтобы свести к минимуму влияние мешающих факторов, были включены регрессоры для шести параметров коррекции движения из предварительной обработки. Кроме того, средние сигналы BOLD для серого вещества, белого вещества и CSF были извлечены из масок, созданных в результате процедуры сегментации, и также были включены в качестве регрессоров для минимизации отклонений, связанных с этими глобальными сигналами. Были вычислены временные корреляции между сигналом ROI и остальной частью мозга, и корреляции с ROI семян были преобразованы в Z-оценки с использованием преобразования Фишера для анализа значимости второго уровня.

С Z-преобразованным статистическим изображением мы сначала определили области мозга, показывающие функциональную связь с ROI семян, используя воксельный порог p_{FWE скорректированной}<0.05. Впоследствии мы использовали менее строгий порог p<0.001 (без коррекции) в качестве маски для захвата областей, связанных с ACC, для анализа второго уровня, в котором мы стремились найти области мозга, которые коррелируют с оценками MMI. Мы включили возраст, пол и общий внутричерепной объем в качестве ковариант и приняли порог р <0.05 с семейной ошибкой, исправленной для объема, определенного начальной маской. Основанием для первоначальной маскировки было обеспечение того, чтобы наш анализ был ограничен областями мозга, показывающими коррелированную активность с областью семян. Даже если мы обнаружим корреляцию с индивидуальными различиями за пределами этих регионов, такие результаты, вероятно, будут отражать ложные корреляции. Мы приняли менее строгий порог для маскировки, чтобы увеличить мощность нашего анализа второго уровня.

Обработанные данные изображений, а также наборы данных, содержащие переменные как для VBM, так и для регрессионного анализа функциональной связности, становятся общедоступными по адресу: http://dx.doi.org/10.6084/m9.figshare.10​30286.

Итоги

Анализ VBM выявил отрицательную связь между показателями MMI и плотностью серого вещества в передней поясной извилине (Рисунок 1; ACC; t (70) = 5.16, P_{FWE скорректированной} <05, размер кластера = 158 вокселей × 1.5³ = 533 мм³; пиковая координата MNI: x = 12, y = 41, z = 3). Никакие другие области мозга не показали значимой корреляции с показателями MMI. Таким образом, более высокая многозадачность среды была связана с меньшими объемами серого вещества в АКК. Тем не менее, корреляционный анализ между показателями MMI и BFI выявил очень значительную связь между показателями экстраверсии и MMI (Таблица 2; r = 0.347, p = 0.002). Таким образом, мы подозревали, что наблюдаемая ассоциация серого вещества MMI-ACC может быть смешана с индивидуальными различиями в баллах экстраверсии. В связи с этим мы повторили предыдущий анализ VBM, дополнительно контролируя баллы BFI в качестве дополнительных ковариат. Мы провели множественную регрессию (с плотностью серого вещества в качестве зависимой переменной), включая MMI и все показатели «большой пятерки» в качестве предикторов наряду с демографическими ковариатами. Значительная отрицательная взаимосвязь наблюдалась между MMI и объемом серого вещества в идентичной области ACC (t (65) = 5.08, P_{FWE скорректированной}<05, размер кластера = 74 вокселя × 1.5³ = 250 мм³; пиковая координата MNI: x = 12, y = 40, z = 3). Это говорит о том, что существует уникальная связь между MMI и плотностью серого вещества в ACC, независимо от изменений в чертах личности Большой Пятерки.

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера475KB)

• TIFF

  оригинальное изображение (768KB)

Рисунок 1. Регрессионный анализ VBM показал, что оценки MMI были в значительной степени связаны с плотностью серого вещества в ACC (t (70) = 5.16, P_{FWE скорректированной} <0.05, размер кластера = 158 вокселей x 1.5³ = 533 мм³; пиковая координата MNI: x = 12, y = 41, z = 3).

Скорректированная плотность серого вещества в пике воксела (ось Y) была отрицательно коррелирована (r = -0.54, p<0.001) с оценками MMI (ось X).

DOI: 10.1371 / journal.pone.0106698.g001

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера20KB)

• TIFF

  оригинальное изображение (126KB)

Таблица 2. Корреляции между показателями индекса многозадачности Media и показателями Big Five Inventory.

DOI: 10.1371 / journal.pone.0106698.t002

Чтобы пролить свет на функциональную значимость наших результатов VBM, мы стремились с помощью анализа функциональной связности определить области мозга, которые продемонстрировали значительную связность с нашей полученной областью интереса ACC (ROI). Этот анализ показал, что активность в полученном ACC ROI коррелировала с несколькими областями мозга, которые обычно характеризуются как сеть режима по умолчанию, включая двусторонние височно-теменные соединения (TPJ; правое полушарие, x = 48, y = -64, z = 36, p_{FWE скорректированной}<0.05; левое полушарие, x = −44, y = −70, z = 36) и предклинье (x = 4, y = −68, z = 30, p_{FWE скорректированной}<0.05) среди других регионов (Таблица 3). Эти результаты показали, что рентабельность инвестиций ACC, которую мы обнаружили с помощью анализа VBM, скорее всего, попадет в DMN. Затем мы дополнительно исследовали, были ли оценки MMI связаны со связью между нашей областью ACC ROI и областями DMN. Регрессионный анализ проводился на z-трансформированных корреляциях между ACC и областями DMN с MMI в качестве основного предиктора и возрастом, полом и общим объемом мозга в качестве ковариат. Никаких значительных ассоциаций не возникло в p_{FWE скорректированной}<0.05. Однако на менее строгом пороге p_{неисправленный}<0.001, более высокие показатели MMI были связаны с более слабой связью между ROI ACC и прекунеем (Рисунок 2; предклинья; t (40) = 5.22, p_{неисправленный}<0.001, размер кластера = 159 мм³; Пиковая координата MNI: x = 10, y = -50, z = 18). Мы подчеркиваем, что наши результаты подключения были получены при менее строгом пороге и предоставили ограниченные доказательства для нас, чтобы сделать выводы об MMI и функциональных ассоциативных связях. Таким образом, этот набор выводов служил исключительно для функциональной интерпретации наших результатов VBM.

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера795KB)

• TIFF

  оригинальное изображение (1.17MB)

Рисунок 2. Регрессионный анализ показал, что связь между ROI ACC и Precuneus (пересечение синих линий) была отрицательно связана с показателями MMI (Precuneus; t (40) = 5.22, P_{FWE-скорректированы}<0.001, размер кластера = 159 мм³; Пиковая координата MNI: x = 10, y = -50, z = 18).

Были негативные отношения (r = -0.68, p<0.001) между скорректированными Z-преобразованными корреляциями ACC-Precuneus (ось Y) и оценками MMI (ось X).

DOI: 10.1371 / journal.pone.0106698.g002

Скачать:  

• PPT

  PowerPoint слайд

• PNG

  Изображение большего размера34KB)

• TIFF

  оригинальное изображение (177KB)

Таблица 3. Области мозга, демонстрирующие функциональную связь с ACC ROI.

DOI: 10.1371 / journal.pone.0106698.t003

Обсуждение

Как и предполагалось, настоящее исследование выявило значительную связь между многозадачностью мультимедиа и вариациями структуры мозга: лица, которые сообщили о более высоких количествах многозадачности мультимедиа, имели меньшую плотность серого вещества в АКК. Эта связь была значимой на жестком пороге (p_{FWE скорректированной}<0.05) и не зависел от различий личности Большой Пятерки. Мы обсуждаем возможные интерпретации наших структурных коррелятов в свете последних данных о функциях ACC и поведенческих коррелятах MMI.

ACC служит важнейшим связующим звеном путей обработки информации в мозге и вовлечен в сенсомоторные, ноцицептивные, высшие когнитивные и эмоционально-мотивационные процессы. [22], [23], Из них мы полагаем, что наша полученная область ACC, скорее всего, связана с более высокими когнитивными процессами, поскольку многозадачность в среде постоянно ассоциируется с эффективностью когнитивного контроля. [2], [10], [11], [24], Кроме того, ROI ACC продемонстрировал значительную функциональную связь с областями мозга DMN, которые также обычно были связаны с более высокими когнитивными операциями. [25], [26].

С точки зрения когнитивной обработки, обычно считается, что ACC участвует в обнаружении ошибок или конфликтов [27], [28], Активации ACC обычно наблюдаются в задачах, которые одновременно активируют несовместимые ответы, например в задаче Stroop [29], [30]избирательное внимание [31] и фланкер задача [32], [33], Примечательно, что ACC замешан в парадигмах двойных задач [34], [35] где человек сталкивается с конкурирующими стимулами и реакциями, связанными с двумя или более задачами. Аналогично этому, в многозадачности мультимедиа люди сталкиваются с особыми требованиями к задачам, связанными с несколькими типами мультимедиа, которые они используют одновременно. Таким образом, наша полученная ROI может быть вовлечена в функции когнитивного контроля, связанные с двойной задачей. Одним из важных предостережений является то, что вышеупомянутые функции обычно приписываются к дорсальной АКК, а не к ростральной области, где находится наша ROI. [23], [32], [35], [36], Однако исследователи отметили, что это разграничение не является абсолютным [23], [34], [37], В частности, в поддержку нашей нынешней интерпретации, Дрехер и коллеги [34] Сообщается, что ростральный АКК однозначно участвует в обнаружении конфликтов в контексте двухзадачности.

Наш основной вывод показал, что более тяжелые мультизадачи мультимедиа имели меньший объем ACC Чтобы выяснить возможные поведенческие последствия снижения объема ACC у тяжелых многозадачников, мы изучили поведенческие исследования, связывающие MMI и когнитивный контроль. Важное исследование Ophir et al. [2] впервые выявлена ​​взаимосвязь между повышением активности многозадачности в медиа и ухудшением когнитивного контроля. Они привлекали участников к ряду задач когнитивного контроля, таких как задача Stroop, переключение задач, фильтрация отвлекающих факторов и задачи n-back. Перед лицом отвлекающих факторов тяжелая многозадачность (по сравнению с более легкими многозадачностями) медленнее обнаруживала изменения в визуальных моделях, более восприимчива к ложным воспоминаниям отвлекающих устройств во время задачи памяти и медленнее переключала задачи. Авторы предположили, что тяжелые многозадачности были в меньшей степени способны добровольно ограничивать свое внимание только информацией, имеющей отношение к задаче. Луи и Вонг [24] предоставил еще одно доказательство того, что более тяжелые многозадачности хуже подавляют не относящиеся к задаче стимулы и, следовательно, способны лучше выполнять задачи мультисенсорной интеграции. Последующее исследование [11] показали, что многозадачность выполнялась хуже при выполнении задачи «Операционный интервал» (OSPAN), которая была очень похожа на парадигму двойного задания, поскольку участники должны были одновременно решать математические задачи и запоминать представленные буквы. Тяжелая многозадачность также сообщала о новых недостатках внимания в повседневной жизни [38], Тем не менее, одно недавнее исследование Alzahabi и Becker [10] сообщили о противоречивых выводах: более тяжелые многозадачности были не хуже при выполнении двух задач и были лучше при переключении задач. Они также не смогли воспроизвести выводы Офира и соавторов, несмотря на то, что использовали одинаковые задачи. Авторы отметили, что их выборка была в основном женской, и это могло привести к их противоречивым результатам. Они подчеркнули важность лонгитюдных исследований для выявления надежных взаимосвязей между MMI и когнитивным контролем.

Таким образом, существующая литература по MMI в целом предполагает, что люди, которые занимаются многозадачностью в мультимедийных средах, демонстрируют более слабые когнитивные способности контроля Наши текущие результаты расширяют эту литературу, связывая более тяжелую мультизадачную активность в медиаданных с меньшими объемами в ACC: области мозга, которая вовлечена в когнитивный контроль, основанный на сходящихся доказательствах нейровизуализации. Однако мы подчеркиваем, что для установления взаимосвязи между структурой ACC и способностями когнитивного контроля требуется больше работы. Исследования пациентов с повреждениями АКК дали очень неоднозначные взгляды на необходимость АКК в его когнитивных функциях [39], [40], [41].

Также существует вероятность того, что наша полученная область ACC участвует в эмоциональных / мотивационных процессах, поскольку она расположена в ростральной ACC, которая обычно связана с мотивацией и обработкой эмоций. [23], Снижение объема АКК часто связано с нарушениями, связанными с аберрантными эмоционально-мотивационными процессами, такими как обсессивно-компульсивное расстройство [42], Посттравматическое стрессовое расстройство [43], депрессия [44] и наркомании и не связанные с наркотиками зависимости [45], [46], Исходя из этой перспективы, вполне вероятно, что многозадачные мультимедийные приложения с более тяжелыми средами с уменьшенным объемом ACC могут быть менее склонны к эмоциональному и мотивационному регулированию. Действительно, более высокие показатели MMI, как находят, коррелируют с увеличенным невротизмом, поиском ощущения и импульсивностью [3], [11] и негативные социально-эмоциональные результаты [4], Интересно, что структура структурных различий головного мозга, полученная в настоящем исследовании, была похожа на нейронные корреляты интернет-зависимости (IA). У лиц с ИА, определяемых просто как патологическое чрезмерное использование Интернета или компьютеров, было обнаружено снижение плотности серого и белого вещества в АКК. [46], [47], [48], Может существовать вероятность того, что две конструкции, многозадачность мультимедиа и IA, пересекаются: MMI предоставляет показатель того, сколько людей используют несколько устройств одновременно, и это может быть связано с IA, что подразумевает чрезмерное использование компьютеров и Интернета.

Важным ограничением настоящей работы является то, что наши результаты получены из перекрестного исследования взаимосвязи между многозадачным поведением в среде и структурой мозга. Таким образом, направление причинно-следственной связи между ними не может быть определено. Хотя возможно, что люди с меньшим ACC более восприимчивы к многозадачности из-за более слабой способности к когнитивному контролю или социально-эмоциональной регуляции, также не менее вероятно, что более высокие уровни воздействия многозадачных ситуаций приводят к структурным изменениям в ACC. Требуется продольное исследование, чтобы однозначно определить направление причинно-следственной связи. Наши текущие результаты открывают путь к таким исследованиям, предоставляя эмпирическую связь между многозадачностью мультимедиа и структурными различиями в ACC. Еще одно предостережение заключается в том, что настоящие результаты не могут выходить за рамки нашего изученного населения, которое является относительно высокообразованным и хорошо знакомым с технологиями. Действительно, на модели потребления СМИ могут сильно влиять демографические факторы [1], Таким образом, в будущих исследованиях следует изучить роль демографических факторов, таких как образование и социально-экономический статус, в смягчении взаимосвязи между многозадачностью, когнитивной деятельностью и структурами мозга.

В заключение, лица, которые занимались многозадачной деятельностью в СМИ, имели меньшие объемы серого вещества в АКК. Это также может объяснить худшие показатели когнитивного контроля и негативные социально-эмоциональные результаты, связанные с увеличением многозадачности в медиа. Хотя перекрестный характер нашего исследования не позволяет нам определить направление причинно-следственной связи, наши результаты выявили новые ассоциации между индивидуальным многозадачным поведением мультимедиа и структурными различиями ACC.

Авторские вклады

Задуманы и оформлены эксперименты: кл РК. Выполнены опыты: кл РК. Проанализированы данные: КЛ РК. Предоставленные реагенты / материалы / инструменты анализа: KL RK. Написал бумагу: кл РК.