Chong-Yaw Wee enakovredni sodelavec, Zhimin Zhao enakovredni sodelavec, Pew-Thian Yap, Guorong Wu, Feng Shi, Prava cena, Yasong Du, Jianrong Xu, Yan Zhou pošta, Dinggang Shen pošta
Objavljeno: september 16, 2014
DOI: 10.1371 / journal.pone.0107306
Minimalizem
Motnja zasvojenosti z internetom je vedno bolj prepoznana kot motnja duševnega zdravja, zlasti pri mladostnikih. Patogeneza, povezana z IAD, pa ostaja nejasna. V tej študiji želimo raziskati encefalne funkcionalne značilnosti mladostnikov IAD v mirovanju s pomočjo podatkov o funkcionalnem slikanju z magnetno resonanco. Za raziskavo možnih motenj funkcionalne povezljivosti glede na lastnosti omrežja, vključno z majhnostjo, učinkovitostjo in nodalno osrednjostjo pri mladostnikih 17 z družbeno-demografsko ustreznimi kontrolnimi točkami IAD in 16 smo sprejeli grafično-teoretični pristop. Parametrski testi, popravljeni s hitrostjo odkritja, so bili izvedeni za oceno statističnega pomena topoloških razlik v omrežju na ravni skupine. Poleg tega je bila izvedena korelacijska analiza za oceno razmerja med funkcionalno povezanostjo in kliničnimi ukrepi v skupini IAD. Naši rezultati kažejo, da je pri bolnikih s IAD značilno moteno delovanje, zlasti med regijami v čelnem, okcipitalnem in parietalnem režnjah. Prizadete povezave so medsebojne in medresferi. Čeprav opažamo pomembne spremembe pri regionalnih vozličnih metrikah, ni razlike v topologiji globalne mreže med IAD in zdravimi skupinami. Poleg tega korelacijska analiza kaže, da so opažene regionalne nepravilnosti povezane z resnostjo IAD in kliničnimi ocenami vedenja. Naše ugotovitve, ki so razmeroma skladne med anatomsko in funkcionalno opredeljenimi atlasi, kažejo, da IAD povzroča motnje funkcionalne povezanosti in, kar je pomembno, da bi se takšne motnje lahko povezale z vedenjskimi motnjami.
Številke
Navedba: Wee CY, Zhao Z, Yap PT, Wu G, Shi F, et al. (2014) Motena možganska funkcionalna mreža pri motnji odvisnosti od interneta: Študija slikanja z magnetno resonanco v stanju počitka. PLOŠI EN 9 (9): e107306. doi: 10.1371 / journal.pone.0107306
Editor: Satoru Hayasaka, Medicinska šola Wake Forest, Združene države Amerike
Prejeto: Januar 20, 2014; Sprejeto: Avgust 11, 2014; Objavljeno: September 16, 2014
Avtorske pravice: © 2014 Wee et al. To je članek z odprtim dostopom, ki se distribuira pod pogoji Licenca za priznanje Creative Commons, ki dovoljuje neomejeno uporabo, distribucijo in reprodukcijo v katerem koli mediju, če sta avtorju in viru pripisana vrednost.
Financiranje: To delo so deloma podprli štipendije Nacionalnih inštitutov za zdravje (NIH) EB006733, EB008374, EB009634, AG041721 in CA140413 ter Nacionalna fundacija za naravne znanosti Kitajske (81171325) in Nacionalni program za raziskave in razvoj 2007BAI17B03. Finančniki niso imeli nobene vloge pri oblikovanju študije, zbiranju in analizi podatkov, odločitvi o objavi ali pripravi rokopisa.
Konkurenčne koristi: Avtorji so izjavili, da ne obstajajo konkurenčni interesi.
Predstavitev
Poročalo se je, da lahko prekomerna uporaba interneta privede do spremenjenih socialno-vedenjskih lastnosti, ki so podobne tistim, ki jih najdemo pri odvisnosti od snovi in patoloških igrah na srečo [1], [2]. Zaradi naraščajočega števila uporabnikov interneta v zadnjih desetletjih se ta težava vedno bolj obravnava kot resno javnozdravstveno vprašanje [3]. Zasvojenosti z internetom in računalniške zasvojenosti na splošno se zdijo široko razširjen pojav, ki prizadene milijone posameznikov v Združenih državah Amerike in v tujini, najvišje stopnje pojavnosti pa se pojavljajo med mladostniki in študenti v razvojnih regijah Azije [3]-[7]. Učinek prekomerne izpostavljenosti interneta v mladosti je še posebej kliničnega in družbenega pomena, saj je adolescenca obdobje pomembnih sprememb v nevrobiologiji, povezanih z odločanjem [8] in tako kaže večjo dovzetnost za afektivne motnje in odvisnosti [9]-[11]. Od seminarske naloge Young [2], zasvojenost z internetom je pritegnila veliko pozornosti s strani sociologov, psihologov, psihiatrov in pedagogov.
Klinične značilnosti vedenjskih težav, povezanih z uporabo interneta, so bile opisane v različnih diagnostičnih merilih, vključno z motnjo zasvojenosti z internetom (IAD) [12], patološka uporaba interneta [13]ter problematična uporaba interneta [14]. IAD je bila razvrščena kot motnja nadzora impulzov, saj vključuje slabo prilagajanje internetu brez opojnih učinkov, podobno kot patološko igranje na srečo. IAD kaže podobne značilnosti drugih zasvojenosti, vključno z razvojem akademskih, finančnih in poklicnih težav zaradi zasvojenega vedenja in težav pri razvijanju in vzdrževanju osebnih in družinskih odnosov. Posamezniki, ki trpijo za IAD, bodo preživeli več časa v samoti, kar posledično vpliva na njihovo normalno socialno delovanje. V najslabših primerih lahko bolniki občutijo fizično nelagodje ali zdravstvene težave, kot so sindrom karpalnega kanala, suhe oči, hrbtišča, močni glavoboli, nepravilnosti pri prehranjevanju in moten spanec [15], [16]. Poleg tega so bolniki pogosto odporni na zdravljenje IAD in imajo visoko stopnjo recidiva [17]in mnogi med njimi trpijo tudi zaradi drugih zasvojenosti, kot so odvisnost od drog, alkohola, iger na srečo ali seksa [18].
Medtem ko IAD še ne velja za zasvojenost ali duševno motnjo v DSM-5 [19], obstaja veliko študij, ki temeljijo predvsem na psiholoških vprašalnikih, o katerih poročajo samostojnega poročila, ki kažejo negativne posledice v vsakdanjem življenju v smislu vedenjskih komponent, psihosocialnih dejavnikov, obvladovanja simptomov, psihiatrične komorbidnosti, klinične diagnoze in izida zdravljenja [6], [20]-[23]. Poleg teh analiz, ki temeljijo na vedenju, se v zadnjem času uporabljajo tudi metode slikanja nevrofilma, da bi raziskovali učinek močne internetne uporabe na strukturne in funkcionalne značilnosti človeških možganov [7], [24]-[29]. Funkcijsko slikanje z magnetno resonanco v stanju počitka (R-fMRI), učinkovito vivo orodje za raziskovanje nevronskih aktivnosti možganov, je bilo že prej uporabljeno za odkrivanje možnih motenj encefalnih funkcionalnih značilnosti pri IAD [24], [26], [27], [30]. v [27], analiza regionalne homogenosti (ReHo), ki meri doslednost regionalnih nizkofrekvenčnih nihanj (LFF) znotraj možganskih omrežij, je pokazala boljšo sinhronizacijo med možganskimi regijami, povezano z nagradnimi potmi pri bolnikih z IAD. Podobna študija posameznikov z zasvojenostjo s spletnimi igrami (OGA) je predlagala uporabo povečane amplitude LFF v levem medialnem orbitofrontalnem korteksu, ki ima anatomske povezave z več regijami, povezanimi s ciljno usmerjenim odločanjem, kot biomarkerjem za bolezen [30]. Hong et al. uporabil mrežno statistiko (NBS) za analizo razlik v skupinah v medregionalni funkcionalni povezanosti med IAD in kontrolnimi skupinami, v skupini IAD pa so opazili široko zmanjšanje funkcionalne povezanosti, zlasti brez globalne motnje celotne topologije omrežja [26]. V drugi študiji, ki temelji na funkcionalni povezljivosti, so bile raziskave sprememb privzete omrežne povezljivosti z uporabo zadnjega cingulatskega korteksa (PCC) kot semenskega območja [24]. Rezultati so pokazali povečano funkcionalno povezanost med dvostranskim zadnjim repom in srednjim temporalnim girusom ter zmanjšano povezanost med dvostransko spodnjo parietalno lobulo in desno spodnjo temporalno giruso.
V trenutni študiji uporabljamo graf-teoretični pristop za analizo IAD na podlagi podatkov R-fMRI. Najprej ocenimo pomen motenj funkcionalne povezanosti z uporabo parametrični preskusi z večkratno korekcijo primerjave. To nam omogoča, da v celoti raziskujemo celoten vzorec funkcionalnih povezav z možgani in vzorci povezljivosti med obsežnimi omrežji [31]. Drugič, preučujemo morebitne motnje v povezavi, povezane z IAD v smislu: lastnosti globalnega omrežja, vključno z lastnostmi majhnosti (tj. koeficientom združevanja in značilno dolžino poti) in učinkovitostjo omrežja (tj. globalno in lokalno učinkovitost) v režimu majhnega sveta. Tretjič, z enakim obsegom redkosti omrežja ocenjujemo funkcionalni pomen omrežja tako, da upoštevamo odnos regije s celotnim funkcionalnim povezovalnim omrežjem [32] na podlagi ukrepov centralnosti vsake ROI. Motivirani smo za uporabo centralne mreže za bolje lokalizirati motene regije na bolj lokalni ravni. Končno raziskujemo razmerja med meritvami omrežja in vedenjskimi in kliničnimi ocenami udeležencev. Raziskovanje povezave med lastnostmi omrežja in kliničnim izidom izboljšuje naše znanje o patologiji odvisnosti in daje ključni vpogled za razvoj zanesljivejših tehnik diagnoze IAD.
Materiali in metode
udeleženci
V tej raziskavi je sodelovalo triindvajset desnih udeležencev, ki so sestavljali mladostnike 17 z IAD (moški 15 in ženske 2) in preiskovanci z zdravo kontrolo (HC) s spolno, starostno in izobraževalno skladnostjo (HC) (moški 16 in ženske 14). . Bolnike so zaposlili z oddelka za otroško in mladostniško psihiatrijo, šangajski center za duševno zdravje, medicinske šole šangajske univerze Jiao Tong. Kontrolni subjekti so bili najeti iz lokalne skupnosti z oglasi. Študijo sta v skladu s Helsinško deklaracijo odobrila Odbor za medicinsko raziskovalno etiko in institucionalni pregledni odbor Šanghajskega centra za duševno zdravje v skladu s Helsinško deklaracijo in starši / skrbniki vsakega udeleženca.
Trajanje IAD je bilo ocenjeno z retrospektivno diagnozo. Vsi subjekti so se morali spomniti svojega življenjskega sloga, ko so bili sprva zasvojeni z internetom. Za potrditev zasvojenosti z internetom so bili pacienti ponovno testirani v skladu s spremenjenim Youngovim diagnostičnim vprašalnikom (YDQ) glede meril za zasvojenost z internetom, ki sta ga opravila Beard in Wolf [33]in zanesljivost samoplačniške poročevalke je bila potrjena z intervjujem s starši. Bolniki z IAD so preživeli najmanj ur na dan v internetu ali spletnih igrah in dni na teden. To informacijo smo preverili od sostanovalcev in sošolcev bolnikov, da so pogosto vztrajali, da so pozno ponoči na internetu in kljub posledicam motili življenje drugih. Vsi bolniki so bili zasvojeni z internetom vsaj ali več kot dve leti. Podrobnosti o spremenjenem YDQ za merila zasvojenosti z internetom so na voljo v Datoteka S1.
Po predhodnih raziskavah IAD [34], samo tisti HC, ki so porabili manj kot 2 ur (porabljena ura = ) na dan na internetu so bili vključeni v trenutno študijo. HC skupina preživela dni na teden na internetu. HCs so testirali tudi s spremenjenimi merili YDQ, da bi zagotovili, da ne trpijo za IAD. Vsi zaposleni udeleženci so bili materni govorci kitajščine in nikoli niso uporabljali prepovedanih snovi. Upoštevajte, da je bil spremenjeni YDQ preveden v kitajščino zaradi lažjega udeležencev. Za nadaljnjo utemeljitev rezultatov diagnoze je bil uporabljen še en diagnostični ukrep IAD, Young's Internet Addiction Scale (YIAS) [35], je bila izvedena za vsakega udeleženca. YIAS je vprašalnik s postavko 20, ki ga je razvil dr. Kimberly Young za oceno stopnje odvisnosti od interneta. Uporabnike interneta razvrsti v tri stopnje resnosti na podlagi sheme točk 100 točk: blag uporabnik na spletu ( točke), zmeren uporabnik na spletu ( točk) in hud spletni uporabnik ( točke).
Poleg diagnoze IAD prek spremenjenega YDQ in YIAS so bili vedenjski pogoji IAD bolnikov ocenjeni tudi z uporabo več vprašalnikov, povezanih z vedenjem: Barrattova impulzivna lestvica-11 (BIS-11) [36], Lestvica razporejanja časa (TMDS) [37], Vprašalnik o jakostih in težavah (SDQ) [38]in McMaster Družina za ocenjevanje družine (FAD) [39]. V raziskavi so uporabili tako otroško kot nadrejeno različico SDQ. Podrobnosti o teh vprašalnikih so na voljo v Datoteka S1.
Pred intervjujem za anamnezo so vsi udeleženci opravili preprost fizični pregled (preiskave krvnega tlaka in srčnega utripa), da bi izključili telesne motnje, povezane z gibalnim, prebavnim, živčnim, dihalnim, cirkulacijskim, endokrinim, urinskim in reproduktivnim sistemom. Merila za izključitev so vključevala: 1) anamnezo komorbidnih psihiatričnih in nepsihiatričnih motenj, kot so anksiozna motnja, depresija, kompulzivnost, shizofrenija, avtizem ali bipolarna motnja; 2) zgodovina zlorabe ali odvisnosti od snovi; 3) anamneza telesnih motenj, povezanih z gibalnim, prebavnim, živčnim, dihalnim, cirkulacijskim, endokrinim, urinskim in reproduktivnim sistemom; in 4) nosečnost ali menstruacija pri ženskah med dnem skeniranja. Ta izključitveni postopek je pomemben, da udeleženci v tej študiji ne vplivajo na druge telesne, nevrološke ali nevropsihiatrične motnje, kar zmanjšuje morebitne pristranskosti pridobljenih ugotovitev. Podrobne demografske informacije in klinični rezultati so na voljo v Tabela 1.
Tabela 1. Demografski podatki udeležencev raziskave.
doi: 10.1371 / journal.pone.0107306.t001
Pridobitev in predobdelava podatkov
Zajem podatkov je bil izveden s pomočjo skenerja 3.0 Tesla (Philips Achieva). Funkcijske slike v stanju počitka vsakega udeleženca so bile pridobljene s časom odmeva (TE) = 30 ms in časom ponovitve (TR) = 2000 ms. Matrika prevzema je bila 64 × 64 s pravokotnim FOV 230 × 230 mm2, in ločljivost voksela 3.59 × 3.59 × 4 mm3. Skeniranje je vsebovalo zvezke 220 za vsakega udeleženca. Med zbiranjem podatkov so bili udeleženci pozvani, naj mirno ležijo v optičnem bralniku z zaprtimi očmi. Čeprav ni bila uporabljena nobena dodatna tehnika ali naprava za merjenje, ali so preiskovanci dejansko zaprli oči, so preiskovanci potrdili, da so bili med pregledovanjem seznanjeni in da so oči zaprli.
Predobdelava podatkov je bila izvedena s standardnim cevovodom v dveh Orodnih okencih za obdelavo R-fMRI, DPARSF [40] in REST [41]. Pred kakršno koli predobdelavo smo prve količine 10 R-fMRI vsakega subjekta zavrgli, da bi dosegli magnetizacijsko ravnovesje. Količine R-fMRI so bile normalizirane na prostor MNI z ločljivostjo 3 × 3 × 3 mm3. Izvedena je bila regresija motečih signalov, vključno s prekatnimi, belimi snovmi in globalnimi signali. Noben od udeležencev ni bil izključen na podlagi merila premika več kot 3 mm ali kotnega vrtenja, večjega od stopenj 3 v kateri koli smeri. Za nadaljnje zmanjšanje učinkov gibanja glave smo uporabili korekcijo parametrov Friston 24 kot tudi povprečni pomik okvirja, specifičen za voxle (FD) [42] z FD pragom 0.5. Pred oceno funkcionalne povezljivosti je bila povprečna časovna serija R-fMRI vsake ROI filtrirana s pasovnim prehodom ( Hz).
Analiza omrežne konstrukcije in individualnih povezav
V tej študiji je bila sprejeta grafična teoretična analiza, ki je raziskala funkcionalne spremembe možganskega konekomoma, ki jih je povzročila IAD med skupino kitajskih mladostnikov. Funkcionalne možganske mreže so bile zgrajene na makroskalni ravni, kjer vozlišča predstavljajo vnaprej določena področja možganov, robovi pa medregionalno funkcionalno povezljivost v stanju počitka (RSFC). Za definiranje omrežnih vozlišč smo možgane razdelili na regije, ki jih zanimajo (ROI), tako da se slike fMRI namestijo v atlas Samodejno anatomsko označevanje (AAL) [43]. Regije, ki temeljijo na atlasu AAL, so navedene v tabeli S1 v Datoteka S1. Reprezentativni časovni niz vsake ROI smo nato dobili s povprečjem regresirane časovne serije za vse voksle v vsaki posamezni ROI. Za merjenje medregionalnega RSFC smo izračunali dvojno Pearsonovo korelacijo za vse mogoče (() = 4005) pari ROI in zgradili simetrično matrico povezovanja, da predstavljajo te povezave. Analizirali smo razlike na ravni skupine med vsakim parom ROI glede na moč povezave. Pomembne razlike za vsako funkcionalno povezavo so bile ocenjene z uporabo masovnega univariata (dvotirni) -testov s pragom od in popravek napačne stopnje odkritja (FDR).
Analiza mrežnih meritev in značilnosti
Pearsonova matrika funkcionalne povezljivosti, ki temelji na korelaciji, je gosto povezana, z veliko lažnimi elementi z nizko trdnostjo. Za boljše modeliranje omrežij človeških možganov, ki kažejo lastnosti majhnega sveta, je bila matrika funkcionalne povezljivosti vsakega posameznika nadalje obdelana tako, da ima območje redkosti, ki spada v režim malega sveta () [44]-[48]. Ta režim zagotavlja razmeroma skladne značilnosti majhnega sveta za možganske mreže 90 ROI [44]. Konkretno, Pearsonova korelacijska matrica vsakega predmeta je bila pretvorjena v binarne matrike sosednosti, , glede na vnaprej določeno redkost, kjer vse so na začetku nastavljeni na eno, nato pa se elementi, ki ustrezajo najnižjim korelacijskim vrednostim, večkrat postavijo na nič, dokler se ne doseže določena stopnja redkosti. Na podlagi teh omrežij smo uporabili metrike globalne in regionalne mreže za analizo celotne arhitekture in regionalne nodalne centralnosti možganskih mrež za primerjavo na ravni skupine. Uporabljene globalne metrike so vsebovale parametre malega sveta, in sicer koeficient združevanja () in značilna dolžina poti () [49], [50], pa tudi učinkovitost globalne mreže () in učinkovitost lokalnega omrežja (). Poleg tega smo izračunali normalizirane različice teh ukrepov z uporabo naključnih omrežij (in ) zagotoviti lastnost majhnega sveta zgrajenih možganskih mrež. Mrežo definiramo kot maloserijsko, če izpolnjuje naslednja tri merila: , in razmerje med majhnim svetom, . Tri vozličke meritve centralnosti - stopnja (), učinkovitost () in med () - za vsako regijo možganov smo izračunali, da bi raziskali lokalne značilnosti funkcionalne mreže [44], [46].
Za statistično raziskovanje razlik med skupinami smo izvedli dvotirni, dvo vzorec -testov s pragom od (FDR popravljeno) za vsako meritev omrežja (globalna in regionalna) na podlagi območja pod krivuljo (AUC) vsake metrike omrežja, zgrajenega iz režima malega sveta [48]. AUC ponuja povzetek topoloških značilnosti možganskih omrežij v celotnem režimu malega sveta, namesto da bi topologijo upošteval le pri enem pragu redkosti [44], [51]. Natančneje, za vsako omrežno metriko smo najprej izračunali vrednost AUC vsakega posameznega predmeta v omrežjih z različnimi stopnjami redkosti in nato izvedli dvo-vzorec -testov za statistično določitev razlike na ravni skupine med IAD in zdravimi skupinami. Omeniti velja, da smo pred statističnimi preizkusi uporabili več linearnih regresij, da smo odstranili učinke starosti, spola in izobrazbe ter njihovih interakcij [31], [52]-[54].
Zanesljivost in ponovljivost s funkcijskim Atlasom
V trenutni študiji so bila na regionalni ravni zgrajena funkcionalna povezovalna omrežja z delitvijo celotnih možganov v ROI 90 na podlagi atlasa AAL. Vendar pa je tudi poročeno, da lahko možganske mreže, ki izhajajo iz različnih shem parcel ali uporabljajo različne prostorske lestvice, kažejo različne topološke arhitekture [55]-[57]. Za oceno zanesljivosti in ponovljivosti naših rezultatov smo ponovili poskuse z uporabo Dosenbachovega funkcionalnega atlasa [58], ki razdeli človeške možgane na 160 ROI, vključno z možganom. V tem atlasu je vsak ROI opredeljen kot kvadrat s premerom 10 mm, ki obdaja izbrano semensko točko, razdalja med vsemi centri ROI pa je vsaj 10 mm brez prostorskega prekrivanja, kar pomeni, da nekatera področja možganov niso pokrita z naborom ROI.
Razmerja med mrežnimi metrikami in vedenjskimi ocenami
Za tiste regije (ki temeljijo na atlasu AAL), ki kažejo pomembne razlike na ravni skupine v regionalni vozlični centralnosti, smo uporabili dvojno Pearsonovo korelacijo (, FDR popravljeno) za analizo razmerja med lastnostmi omrežja vsake regije in vedenjskimi ocenami posameznika. Natančneje, v korelacijski analizi so bile metrike omrežja obravnavane kot odvisne spremenljivke, vedenjske ocene, tj. BIS-11, TMDS, SDQ in FAD, pa kot neodvisne spremenljivke. Za nadaljnje razumevanje povezave med prizadetimi možganskimi regijami in resnostjo bolezni smo izračunali tudi Pearsonov koeficient korelacije med značilnostmi omrežja in rezultati YIAS.
Rezultati
Demografske in klinične značilnosti
Ni pomembne razlike glede na starost, spol in leta izobraževanja (vsi z ) med skupinami IAD in HC. Vendar pa obstajajo velike razlike pri uporabi interneta glede na dneve na teden () in ure na dan (). Medtem ko ni pomembne razlike med skupinami za ocene BIS-11 in TMDS (vse z ), SDQ-P (), SDQ-C () in FAD () ocene so bistveno višje v skupini IAD, kot je prikazano v Tabela 1 in Slika 1. Zlasti YIAS (), klinični ukrep, ki se uporablja za razvrstitev IAD, kaže na najpomembnejšo razliko na ravni skupine.
Slika 1. Razlike med skupinami v smislu kliničnih in vedenjskih ukrepov.
(YIAS = Youngova lestvica zasvojenosti z internetom, BIS-11 = Barrattova lestvica impulzivnosti-11, TMDS = Lestvica razpolaganja s časovnim vodenjem, SDQ-P = Nadrejena različica vprašalnika za moči in težave, SDQ-C = Otroška različica vprašalnika za moči in težave, FAD = McMaster Naprava za ocenjevanje družine).
doi: 10.1371 / journal.pone.0107306.g001
Posamezna funkcionalna povezljivost
V primerjavi s skupino HC so se samo tri funkcionalne povezave po korekciji FDR bistveno spremenile. Dve medresemični povezavi, ena med levim kotnim girusom (parietalni reženj) in desnim srednjim orbitofrontalnim korteksom (frontalni reženj) in druga med levim fuziformnim girusom (okcipitalni reženj) in desnim kotnim girusom (parietalni reženj), kažeta povečano moč povezljivosti v IAD pacienti. Ena intra-hemisferna povezava med desnim kaudatom (subkortikalna skorja) in desnim supramarginalnim girusom (parietalni reženj) kaže zmanjšano povezanost v skupini bolezni. Te znatno spremenjene funkcionalne povezave so prikazane v Slika 2. Rdeča in modra barvna povezava označujeta povečano in zmanjšano funkcionalno povezljivost v skupini IAD. Upoštevajte, da večina prizadetih funkcionalnih povezav vključuje regije, ki se nahajajo na desni polobli in parietalnem režnja.
Slika 2. Bistveno spremenjene funkcionalne povezave pri bolnikih z IAD (popravljena FDR).
Rdeča: povečana funkcionalna povezljivost, modra: zmanjšana funkcionalna povezljivost. (FRO: Frontal, INS: Insula, TEM: Temporal, PAR: Parietal, OCC: Occipital, LIM: Limbic, SBC: Podkortična). Ta vizualizacija je ustvarjena s pomočjo paketa BrainNet Viewer (http://www.nitrc.org/projects/bnv) in Circos (http://circos.ca/).
doi: 10.1371 / journal.pone.0107306.g002
Globalne značilnosti funkcionalnih omrežij
Raziskali smo topološke lastnosti lastnih funkcionalnih možganskih omrežij, tako da smo primerjali njihovo vedenje v majhnem svetu s primerljivimi naključnimi omrežji na več nivojih redke mreže, . Zlasti smo raziskovali parametre malega sveta (npr. Koeficient združevanja, značilno dolžino poti in razmerje med majhnim svetom, ), pa tudi globalne in lokalne učinkovitosti. Naključna omrežja, uporabljena v raziskavi, so ohranila število vozlišč in robov ter stopnjo porazdelitve resničnih možganskih omrežij v zadevi s tehniko prepletanja, opisano v [59]. Statistične analize z uporabo dveh vzorcev -preskusi (, Odpravljen FDR) glede vrednosti AUC v režimu malega sveta ni pokazala bistvene razlike med skupinami IAD in HC glede na lastnosti globalnega omrežja.
Regionalne vozlične značilnosti funkcionalnih omrežij
Kljub skupni topologiji malega sveta so bile v regionalni nodalni osrednji opaziti velike razlike na ravni skupine. V tej študiji menimo, da je možganska regija v skupini IAD bistveno spremenjena, če ima vsaj ena od treh regionalnih vozličnih metrik a -vrednost je manjša od 0.05 (popravljena FDR) na podlagi AUC vrednosti. Tabela 2 povzema področja, ki so pri bolnikih z IAD znatno spremenjena. V primerjavi s skupino HC so bolniki z IAD pokazali nodalno centralno spremembo, ki je večinoma nameščena v levem inferiornem parietalnem lobulu (IPL), levem talamu (THA) in drugih regijah, kot je limbični sistem, natančneje desni sprednji cingulatni girus (ACG) in desni srednji cingulatni gyrus (MCG). Zlasti sta IPL in ACG sestavni deli omrežja privzetega načina (DMN), ki je bilo prej povezano s spremenjeno povezljivostjo v odvisnosti od snovi [60]-[62].
Tabela 2. Regije, ki kažejo nenormalno nodalno centralnost pri bolnikih z IAD, v primerjavi z zdravimi kontrolami (HC) na podlagi atlasa AAL.
doi: 10.1371 / journal.pone.0107306.t002
Zanesljivost in ponovljivost s funkcijskim Atlasom
Ko se Dosenbachov atlas uporablja za določanje ROI, opazimo pomembne razlike v skupinah predvsem v čelnih in parietalnih povezavah z malim možganom. Te ugotovitve so povzete v Tabela 3. Čeprav se te povezave razlikujejo od tistih, ki so bile ugotovljene na podlagi atlasa AAL, večina motenih povezav vključuje iste možganske mešičke, razen možganskih predelov. Kar zadeva meritve globalnih omrežij, nismo našli razlike med skupinami IAD in HC, podobno kot rezultati, ki temeljijo na atlasu AAL. Za meritve lokalnih omrežij smo ugotovili, da so nekatere od opredeljenih regij nameščene prostorsko blizu regij, ki so bile identificirane na podlagi atlasa AAL, kot sta ACG in THA, kot je navedeno v Tabela 4.
Tabela 3. Funkcionalne povezave pri posameznikih za okužbo z virusom IAD, ki so na podlagi Dosenbachovega atlasa doživele pomembne spremembe.
doi: 10.1371 / journal.pone.0107306.t003
Tabela 4. Regije, ki kažejo nenormalne vozliščne centralnosti pri bolnikih z IAD, v primerjavi z zdravimi kontrolami (HC) na podlagi Dosenbachovega atlasa.
doi: 10.1371 / journal.pone.0107306.t004
Razmerja med mrežnimi metrikami in vedenjskimi ukrepi
Ni pomembnega (, Odpravljena FDR) korelacija med meritvami globalnega omrežja (, , in ) in vedenjske in klinične ocene. Vendar pa so regionalne vozličke v več regijah bistveno (, FDR korigiran) v korelaciji z vedenjskimi in kliničnimi ocenami. Pravi ACG je pozitivno povezan z oceno YIAS. Pravi MCG je pozitivno povezan z oceno YIAS. Levi THA je pozitivno povezan z rezultati YIAS in SDQ-P. Vendar pa levi IPL ni pomembno povezan z nobenim vedenjskim ali kliničnim rezultatom. Prikazane so možganske regije, ki so pomembno povezane z vedenjskimi in kliničnimi rezultati Slika 3.
Slika 3. Področja možganov, ki so v pomembni povezavi z vedenjskimi in kliničnimi rezultati v skupini IAD (korigirana FDR).
Ta ilustracija je bila ustvarjena z uporabo paketa BrainNet Viewer (http://www.nitrc.org/projects/bnv). (YIAS = Youngova ocena odvisnosti od interneta, BIS-11 = Barrattova lestvica impulzivnosti-11, TMDS = Lestvica razpolaganja s časovnim vodenjem, SDQ-P = Nadrejena različica vprašalnika za moči in težave, otroška različica vprašalnika za moči in težave.).
doi: 10.1371 / journal.pone.0107306.g003
Razprava
Spremembe posamezne funkcionalne povezljivosti
Vpogled v mehanizem razvoja človeških možganov je pomemben za boljše razumevanje patoloških podlag motenj, ki prizadenejo otroke in mladostnike, kar vodi do možnega zgodnjega zdravljenja. Na podlagi teoretične analize grafov podatkov R-fMRI je bilo predlagano, da funkcionalna organizacija človeških možganov dozori in se razvija od otroštva do mladosti do zrelosti, tako da sledi edinstvenemu trendu - večji funkcionalni segregaciji pri otrocih in večji funkcionalni integraciji pri odraslih ravni celotnih možganov [63]-[66]. Z razvojem zlasti organizacija funkcionalnih možganskih omrežij z lokalnega povezovanja prehaja na bolj porazdeljeno arhitekturo [63], [66], kjer imajo odrasli ponavadi šibkejšo funkcionalno povezljivost na kratkem dosegu in močnejšo funkcionalno povezljivost na dolge dosege kot otroci [65].
Naše ugotovitve kažejo, da so prekinjene povezave, ki jih opazimo pri IAD, čeprav le nekaj pečkov po korekciji FDR, so medsebojni in medresferične funkcionalne povezave, ki so pomembne za komunikacijo na dolge razdalje v človeških možganih. Motnje medsebojnih in medpolovnih povezav so pogost simptom pri številnih vedenjskih nepravilnostih, vključno z avtizmom [67]-[70], shizofrenija [71], odvisnost od opioidov [72], [73]in odvisnost od kokaina [74]. Oslabitev daljnosežnih povezav je mogoče razumeti kot neuspeh integracijskega procesa znotraj porazdeljenega funkcionalnega omrežja človeških možganov [63], [64], [75], odstopanje od normalne nevrorazvojne poti. Zato domnevamo, da je nenormalen razvoj medsebojne in medresivne povezave pri mladostnikih z IAD, opažen v tej raziskavi, eden od možnih razlogov za njihovo zasvojenost.
Spremembe lastnosti globalne mreže
Človeški možgani veljajo za kompleksen in velik medsebojno povezan dinamični sistem z različnimi pomembnimi topološkimi lastnostmi, kot so majhnost, visoka učinkovitost z nizkimi stroški ožičenja in močno povezana vozlišča [46], [76]-[79]. V omrežju majhnega sveta so vozlišča lokalno združena v korist modularne obdelave informacij in so na daljavo povezana z majhnim številom daljnosežnih povezav za učinkovito celotno usmerjanje [50]. Tako skupini IAD kot HC sta pokazali lastnosti majhnega sveta, tj. Visoke koeficiente grozda () in podobne značilne dolžine poti (), če ga primerjamo s primerljivimi naključnimi omrežji. Vendar smo opazili konstantno večje normalizirane koeficiente grozda in podobno normalizirano karakteristično dolžino poti v skupini IAD v primerjavi s skupino HC glede na gostoto povezave, v skladu s prejšnjimi raziskavami R-fMRI [26]. Večji koeficient združevanja odraža moteno nevronsko integracijo med oddaljenimi regijami, ki kažejo razmeroma redke daljše in relativno goste kratke oddaljene funkcionalne povezave v skupinah IAD in HC. Napredovanje kliničnih stopenj, od blage do hude, lahko povzroči večjo okvaro ali prekinitev povezav na daljne razdalje in tako morebiti spodbudi vzpostavitev kratkih oddaljenih povezav znotraj grozda kot alternativnih poti za ohranjanje prenosa informacij med dvema oddaljenima regijama. Vzpostavitev povezav na kratkih razdaljah lahko povzroči nenormalne grozde, kar poveča tveganje za nastanek nenadzorovanega ali naključnega pretoka informacij skozi celotno omrežje. Po drugi strani so vse možganske mreže pokazale podobno vzporedno obdelavo informacij globalne in lokalne učinkovitosti v primerjavi s primerljivo naključno mrežo [80]. Te ugotovitve podpirajo koncept človeškega možganov malega sveta, ki zagotavlja uravnoteženo kombinacijo lokalne specializacije in globalne integracije [81]. Naše opazovanje pomembne razlike med skupinami IAD in HC glede lastnosti globalnega omrežja lahko pomeni, da so spremembe funkcionalne strukture omrežja v IAD subtilne. Posledično bi lahko nadaljnje raziskave bioloških markerjev IAD za posamezne regije razkrile pomembne informacije o patologiji bolezni in na splošno odvisnosti.
Regionalne vozlične značilnosti funkcionalnih omrežij
Z IAD povezane spremembe nodalne centralnosti najdemo predvsem v komponentah limbičnega sistema, vključno z ACG in MCG, IPL in THA. Motnje teh regij in z njimi povezane poti povezovanja se lahko razlagajo tako, da odražajo zmanjšano učinkovitost obdelave informacij, morda zrcaljenje funkcionalnih motenj v IAD.
Cingulatni gyrus (CG), sestavni del limbičnega sistema, je vključen v oblikovanje in obdelavo čustev, učenje in spomin, izvršilno funkcijo in nadzor dihal. [82]. Prejema vhodne podatke iz THA in neokorteksa ter projecira v entorhinalno skorjo preko cinguluma. Ta pot se osredotoča na čustveno pomembne dogodke in uravnava agresivno vedenje [29]. Motnje funkcij, povezanih s CG, bi lahko poslabšale sposobnost posameznika, da spremlja in nadzira svoje vedenje, zlasti vedenje, povezano s čustvi [83]. Večina analiz odvisnosti od snovi in vedenja je pokazala pomembne spremembe v sprednjem in zadnjem delu CG (ACG in PCG), vključno z odvisnostjo od alkohola [84], patološko igranje na srečo [85], in IAD [27], [29]. O zlorabah kokaina so poročali tudi o podobnih dodatnih spremembah v MCG [86]. V prejšnjih raziskavah fMRI so pokazali tudi, da so v pogojih nagrajevanja in kaznovanja vplivani zadnji, srednji in zadnji del CG. [87]. Zaradi vloge MCG pri obdelavi pozitivnih in negativnih čustev ne preseneča, da regija kaže pomembne motnje v povezanosti pri bolnikih z IAD.
THA je stikalo možganskih informacij in je vključeno v številne možganske funkcije, vključno z obdelavo nagrad [88], ciljno usmerjeno vedenje ter kognitivne in motorične funkcije [89]. Prenaša senzorične in motorične signale iz podkortičnih regij v možgansko skorjo [90]. Preko THA prejema orbitofrontalna skorja neposredne in posredne projekcije iz drugih limbičnih možganskih regij, ki so vključene v krepitev zdravil, kot so amigdala, CG in hipokampus [91], za nadzor in odpravljanje vedenj, povezanih z nagrajevanjem in kaznovanjem [92]. Nenormalno talamo-kortikalno vezje, ki ga najdemo pri odvisnikih od spletnih iger [93] lahko kažejo na poslabšanje delovanja THA, povezano s kroničnimi vzorci slabe kakovosti spanja [94] in prevelika pozornost na računalniku. Poleg tega je THA funkcionalno povezan s hipokampusom [95] kot del razširjenega hipokamp sistema, ki je ključnega pomena za kognitivne funkcije, kot sta prostorska navigacija in konsolidacija informacij iz kratkoročnega spomina v dolgoročni spomin [96], [97].
Opazili smo pomembne spremembe nodalnih centralnosti v IPL, v skladu z rezultati, ki so jih poročali v zadnjih raziskavah IAD na osnovi R-fMRI [24], [93]. Podobno kot THA je IPL močno povezan z slušnimi, vidnimi in somatosenzoričnimi skorji ter lahko hkrati predela različne vrste dražljajev. Kot ena zadnjih razvitih struktur človeških možganov v času razvoja je IPL morda bolj izpostavljen prekomerni izpostavljenosti slušnih in vidnih dražljajev, zlasti v otroštvu. Slabost IPL, ki jo povzroča prekomerna uporaba interneta, lahko posamezniku zmoži pravilno posredovanje odziva inhibicije regulacije impulzov. [98], [99], kar škodi njihovi sposobnosti, da se upirajo hrepenenju, ki ga povzroči internet, kar lahko še poslabša IPL. Takšne krožne vzorce pogosto opazimo pri odvisnih od vsebine in vedenja.
Regije DMN so običajno bolj aktivne v mirovanju kot izvajanje ciljno usmerjenih nalog [62]. Te regije, za katere je znano, da so vključene v čustveno modulacijo in samoreferenčne dejavnosti, vključno z ocenjevanjem opaznosti notranjih in zunanjih znakov, spominjanjem preteklosti in načrtovanjem prihodnosti [60], [62], ki so pomembna merila pri diagnozi IAD. Pred tem je bilo predlagano, da spremenjena povezanost, ki vključuje regije DMN, prispeva k različnim simptomatskim vedenjem pri boleznih [100], vključno z odvisnostmi od snovi [101], [102] in odvisnosti od vedenja [24], [103]. Naše ugotovitve o spremenjeni funkcionalni povezanosti, ki vključujejo več regij DMN, so delno skladne s prejšnjimi opažanji, kar kaže, da lahko DMN služi kot biomarker za identifikacijo bolnikov z IAD.
Zanesljivost in ponovljivost s funkcijskim Atlasom
Nekatere nenormalne možganske regije, ki so bile ugotovljene na podlagi atlasa AAL, so bile identificirane tudi s funkcionalnim atlasom, ki podpira zanesljivost in ponovljivost naših rezultatov. Eden od možnih razlogov za nekoliko drugačne rezultate je režim uporabljeni v tej raziskavi. Lastnosti majhnega sveta povezovalnih omrežij, zgrajenih na podlagi atlasa AAL 90 ROI, so najbolj skladne v tem območju [44]. Vendar ta razmik morda ni optimalen za atlase z različnim številom ROI. Poleg tega so ROI, dobljeni iz atlasa Dosenbach, definirani funkcionalno in ne pokrivajo celotnih možganov [58]. V tem atlasu se najprej prepoznajo središči vseh ROI 160, iz vsakega središča pa se vzgoji krogla s polmerom 5 mm, ki ustvari sferično ROI 10 mm. Središče vsake ROI je prav tako postavljeno na vsaj 10 mm ločeno od središč drugih ROI, kar vodi do prostorskega ne prekrivajočega se atlasa. Po drugi strani atlas AAL pokriva tkivo sive snovi celega možganov. Te razlike v opredelitvi donosnosti naložbe in celotnem zajetem območju lahko prispevajo k spremembam rezultatov. Zato so potrebne nadaljnje raziskave z uporabo večje kohorte, da se ugotovi, v kolikšni meri izbira sheme ločitve možganov vpliva na karakterizacijo topologije omrežja.
Korelacija med meritvami omrežja in vedenjskimi ukrepi
V tej raziskavi nismo opazili nobene povezave med metriko globalne mreže in vedenjskimi ukrepi, kar bi pomenilo odsotnost sprememb v celotni topologiji možganske mreže. Ta ugotovitev lahko tudi nakazuje, da so variacije možganske mreže subtilne zaradi plastičnosti človeških možganov (nevroplastičnost) [104], [105] pri obnovi večine svojih dnevnih funkcij po alternativnih poteh (nevronsko vezje). Možganska plastičnost vključuje reorganizacijo povezav med živčnimi celicami ali nevroni, nanjo pa lahko vplivajo nešteto dejavnikov [106]-[108]. To se zgodi na način, povezan s starostjo, ki je v otroštvu in mladostništvu večji kot v odrasli dobi, kar kaže na boljše okrevanje okvarjenih nevronskih povezav pri mladostnikih z IAD. Poleg tega se je pokazalo, da so različna vedenjska stanja, od zasvojenosti do nevroloških in psihiatričnih motenj, povezana z lokaliziranimi spremembami nevronskih vezij [106]. Zato ni presenetljivo, da so ukrepi globalne mreže grobe ravni, kot so povprečni koeficient grozda, značilna dolžina poti in učinkovitost omrežja, manj občutljivi pri zaznavanju sprememb v možganskih vezjih v skupini IAD.
Vendar pa so regionalne vozličke v več možganskih regijah povezane z nekaterimi vedenjskimi ukrepi. Zlasti je starševska različica SDQ (SDQ-P), ki meri tako sposobnost posameznika, da ustrezno ravna z impulzivnostjo, kot tudi resnost težav s čustvi in prosocialnim vedenjem, ki temeljijo na podatkih, ki jih posredujejo starši preučenih mladostnikov. povezano s funkcionalno prizadetimi možganskimi regijami, ki jih najdemo pri IAD. Nezmožnost obvladovanja impulzivnega vedenja in čustev je eden glavnih vedenjskih simptomov. Običajno je, da se pacienti ne zavedajo sprememb svojih čustev in vedenj, čeprav so te spremembe razmeroma očitne za ljudi, ki jih obdajajo. To je morda glavni razlog, da noben mrežni ukrep zaradi svoje narave samoocene ni povezan z otroško različico SDQ (SDQ-C). Po drugi strani ni pomembne povezave med ukrepi regionalne mreže in drugimi vedenjskimi ukrepi, vključno z BIS-11, FAD in TMDS. To ugotovitev podpirajo tudi veliki - vrednosti teh ukrepov med IAD in zdravimi skupinami (Tabela 1). Te ugotovitve lahko kažejo, da so nekateri od teh vedenjskih ukrepov koristni za določitev prizadetih regij in tako pomagajo pri diagnozi IAD, čeprav je še vedno potrebno veliko dela za boljše razumevanje vloge teh ukrepov pri vedenjskih odvisnostih ali motnjah.
Metodološka vprašanja / omejitve
V tej raziskavi je treba izpostaviti več omejitev. Prvič, diagnoza IAD je temeljila predvsem na rezultatih vprašalnikov, ki so jih samo poročali, kar bi lahko vplivalo na zanesljivost diagnoz. V prihodnosti je treba razviti standardizirana diagnostična orodja za identifikacijo IAD za izboljšanje zanesljivosti in veljavnosti diagnoz IAD. Drugič, naša raziskava je omejena z majhno velikostjo vzorca in neravnovesjem spola udeležencev (samci 31 in ženske 4), kar bi lahko zmanjšalo statistično moč in splošnost ugotovitev, čeprav so bili ti dejavniki v analizi nadzorovani. Vpliv spola na razširjenost IAD je še vedno obravnavan. Na podlagi ugotovitev Young [35], veliko žensk kaže internetno odvisnost. Nasprotno pa je ena nedavna študija poročala, da moški kažejo večje tveganje za vedenje IAD [109]. Vendar pa je bilo tudi poročanje, da ni nobene zveze med spolom in IAD [110], [111]. Prihodnji poskusi z večjo kohorto z bolj uravnoteženim razmerjem med spoloma so potrebni za boljšo oceno razmerja med občutljivostjo spola in IAD.
Priznanja
To delo so deloma podprli štipendije Nacionalnih inštitutov za zdravje (NIH) EB006733, EB008374, EB009634, AG041721 in CA140413 ter Nacionalna fundacija za naravne znanosti Kitajske (81171325) in Nacionalni program za raziskave in razvoj 2007BAI17B03.
Prispevki avtorjev
Zamišljeni in zasnovani poskusi: CYW ZZ PTY GW FS TP YD JX YZ DS. Izvedli poskuse: CYW ZZ YD JX YZ DS. Analizirani podatki: CYW PTY DS. Prispevani reagenti / materiali / orodja za analizo: ZZ YD JX YZ. Napisal je papir: CYW PTY TP DS.
Reference
- 1. Ng BD, Wiemer-Hastings P (2005) Zasvojenost z internetom in spletnimi igrami. Cyberpsychol Behav 8: 110 – 113. doi: 10.1089 / cpb.2005.8.110
- 2. Mlada KS (1998) odvisnost od interneta: Pojav nove klinične motnje. Cyberpsychol Behav 1: 237 – 244. doi: 10.1089 / cpb.1998.1.237
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- 3. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Povezava med internetno odvisnostjo in psihiatrično motnjo: pregled literature. Eur Psihiatrija 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- 4. Blok J (2006) V študiji problematične uporabe interneta je bila podcenjena razširjenost. CNS Spectr 12: 14 – 15.
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- 5. Fitzpatrick JJ (2008) Internet zasvojenost: Prepoznavanje in posredovanje. Arch Neurol 22: 59 – 60. doi: 10.1016 / j.apnu.2007.12.001
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- 6. Cao F, Su L, Liu T, Gao X (2007) Razmerje med impulzivnostjo in internetno zasvojenostjo na vzorcu kitajskih mladostnikov. Eur Psihiatrija 22: 466 – 471. doi: 10.1016 / j.eurpsy.2007.05.004
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- 7. Yuan K, Qin W, Wang G, Zeng F, Zhao L in sod. (2011) Nenormalnosti mikrostrukture pri mladostnikih z motnjo zasvojenosti z internetom. PLOŠI EN 6: e20708. doi: 10.1371 / journal.pone.0020708
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- Poglej članek
- PubMed / NCBI
- Google Scholar
- 8. Ernst M, Pine DS, Hardin M (2006) Triadni model nevrobiologije motiviranega vedenja v adolescenci. Psychol Med 36: 299 – 312. doi: 10.1017 / s0033291705005891
- 9. Pine DS, Cohen P, Brook JS (2001) Čustvena reaktivnost in tveganje za psihopatologijo pri mladostnikih. CNS Spectr 6: 27 – 35.
- 10. Silveri MM, Tzilos GK, Pimentel PJ, Yurgelun-Todd DA (2004) Načrti mladostnikovega čustvenega in kognitivnega razvoja: učinki seksa in tveganje za uživanje drog. Ann NY Acad Sci 1021: 363 – 370. doi: 10.1196 / annals.1308.046
- 11. Steinberg L (2005) Kognitivni in afektivni razvoj v adolescenci. Trendi Cogn Sci 9: 69 – 74. doi: 10.1016 / j.tics.2004.12.005
- 12. Ko CH, Yen JY, Chen CC, Chen SH, Yen CF (2005) Predlagana diagnostična merila internetne zasvojenosti za mladostnike. J Nerv Ment Dis 193: 728 – 733. doi: 10.1097 / 01.nmd.0000185891.13719.54
- 13. Yoo HJ, Cho SC, Ha J, Yune SK, Kim SJ in sod. (2004) Simptomi hiperaktivnosti in pomanjkanja pozornosti po internetu. Klinika za psihiatrijo Neurosci 58: 487 – 494. doi: 10.1111 / j.1440-1819.2004.01290.x
- 14. Shapira NA, Lessig MC, Goldsmith TD, Szabo ST, Lazoritz M, et al. (2003) Problematična uporaba interneta: predlagana merila za razvrstitev in diagnostiko. Stisnite tesnobo 17: 207 – 216. doi: 10.1002 / da.10094
- 15. Zasvojenost z mrežo Beard KW (2005): pregled trenutnih tehnik ocenjevanja in morebitnih ocenjevalnih vprašanj. Cyberpsychol Behav 8: 7 – 14. doi: 10.1089 / cpb.2005.8.7
- 16. Inovacije Young K (1999) v klinični praksi: knjiga z viri, strokovni tisk o virih, zvezek 17, poglavje Internet odvisnosti: simptomi, ocena in zdravljenje. strani 19 – 31.
- 17. Vprašanja Block JJ (2008) za DSM-V: Internet zasvojenost. Am J Psihiatrija 165: 306 – 307. doi: 10.1176 / appi.ajp.2007.07101556
- 18. Doidge N (2007) Možgani, ki se sami spreminjajo: zgodbe o osebnem zmagoslavju z meja znanosti o možganih. Penguin Books, 1st izdaja doi: 10.1080 / 10398560902721606
- 19. Ameriško psihiatrično združenje (2013) Diagnostični in statistični priročnik duševnih motenj (DSM-5). Ameriško psihiatrično založništvo (APPI) .. doi: 10.1007 / springerreference_179660
- 20. Bernardi S (2009) SPallanti (2009) Internet zasvojenost: opisna klinična študija, ki se osredotoča na komorbidnosti in disociativne simptome. Compr Psihiatrija 50: 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011
- 21. Caplan SE (2002) Problematična uporaba interneta in psihosocialno dobro počutje: razvoj teoretično utemeljenega kognitivno-vedenjskega merilnega instrumenta. Računanje človeškega vedenja 18: 553 – 575. doi: 10.1016 / s0747-5632 (02) 00004-3
- 22. Shaw M, Black DW (2008) Internet zasvojenost: opredelitev, ocena, epidemiologija in klinično upravljanje. Droge CNS 22: 353 – 365. doi: 10.2165 / 00023210-200822050-00001
- 23. Tao R, Huang X, Wang J, Zhang H, Zhang Y in sod. (2010) Predlagana diagnostična merila za zasvojenost z internetom. Zasvojenost 105: 556 – 564. doi: 10.1111 / j.1360-0443.2009.02828.x
- 24. Ding W, Sun J, Sun Y, Zhou Y, Li L in drugi. (2013) Spremenjena privzeta funkcionalna povezljivost omrežja v stanju počitka pri mladostnikih z odvisnostjo od spletnih iger. PLOŠI EN 8: e59902. doi: 10.1371 / journal.pone.0059902
- 25. Lin F, Zhou Y, Du Y, Qin L, Zhao Z et al. (2012) Nenormalna celovitost bele snovi pri mladostnikih z motnjo odvisnosti od interneta: Študija prostorske statistike na osnovi trakta. PLOŠI EN 7: e30253. doi: 10.1371 / journal.pone.0030253
- 26. Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ in sod. (2013) Zmanjšana funkcionalna možganska povezljivost pri mladostnikih z odvisnostjo od interneta. PLOŠI EN 8: e57831. doi: 10.1371 / journal.pone.0057831
- 27. Liu J, Yuan L, Ye J (2010) Učinkovit algoritem za razred težav z zlitjem lasso. V: KDD. strani 323 – 332.
- 28. Yuan K, Cheng P, Dong T, Bi Y, Xing L in sod. (2013) Nenormalnosti kortikalne debeline v pozni adolescenci z odvisnostjo od spletnih iger. PLOŠI EN 8: e53055. doi: 10.1371 / journal.pone.0053055
- 29. Zhou Y, Lin F, Du Y, Qin L, Zhao Z in sod. (2011) Nenormalnosti sive snovi v odvisnosti od interneta: Študija morfometrije na osnovi voxlov. Eur J Radiol 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025
- 30. Yuan K, Jin C, Cheng P, Yang X, Dong T in sod. (2013) Amplituda nizkofrekvenčnih nepravilnosti nihanja pri mladostnikih z zasvojenostjo s spletnimi igrami. PLOŠI EN 8: e78708. doi: 10.1371 / journal.pone.0078708
- 31. Zuo XN, Ehmke R, Mennes M, Imperati D, Castellanos FX in sod. (2012) Osrednje omrežje v človekovem funkcionalnem konekomatu Cereb Cortex 22: 1862 – 1875. doi: 10.1093 / cercor / bhr269
- 32. Koschützki D, Lehmann KA, Peeters L, Richter S, Tenfelde-Podehl D in sod. (2005) Indeksi centralnosti. V: Brandes U, Erlebach T, uredniki, Mrežna analiza: metodološke osnove. New York: Springer-Verlag, zvezek 3418, str. 16 – 61.
- 33. Beard KW, Wolf EM (2001) Sprememba predlaganih diagnostičnih meril za zasvojenost z internetom. Cyberpsychol Behav 4: 377 – 383. doi: 10.1089 / 109493101300210286
- 34. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ in sod. (2009) Možganski dejavniki, povezani z igrami nagnjenja k odvisnosti od spletnih iger. J Psychiatr Res 43: 739 – 747. doi: 10.1016 / j.jpsychires.2008.09.012
- 35. Mladi KS (1998) Ujeti v mrežo: kako prepoznati znake odvisnosti od interneta in zmagovalno strategijo za oživitev. John Wiley in sinovi.
- 36. Patton JH, Stanford MS, Barratt ES (1995) Faktorska struktura barrattove lestvice impulzivnosti. J Clin Psychol 51: 768–774. doi: 10.1002 / 1097-4679 (199511) 51: 6 <768 :: aid-jclp2270510607> 3.0.co; 2-1
- 37. Huang X, Zhang Z (2001) Sestavljanje inventarja razpolaganja z upravljanjem časa mladostništva. Acta Psychol Sin 33: 338 – 343.
- 38. Goodman R (1997) Vprašalnik o prednostih in težavah: raziskovalna opomba. J Otroška psihiatrija Psihiatrija 38: 581 – 586. doi: 10.1111 / j.1469-7610.1997.tb01545.x
- 39. Epstein NB, Baldwin LM, škof DS (1983) Naprava za ocenjevanje družine McMaster. J Marital Fam Ther 9: 171 – 180. doi: 10.1111 / j.1752-0606.1983.tb01497.x
- 40. Yan CG, Zang YF (2010) DPARSF: Orodje MATLAB za analizo podatkov "plinovod" podatkov fMRI v mirovanju. Sprednji Syst Neurosci 4: 13. doi: 10.3389 / fnsys.2010.00013
- 41. Song XW, Dong ZY, Long XY, Li SF, Zuo XN in dr. (2011) REST: Nabor orodij za obdelavo slik s funkcijo magnetne resonance v mirovanju. PLOŠI EN 6: e25031. doi: 10.1371 / journal.pone.0025031
- 42. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Lažne, a sistematične korelacije v funkcionalni povezljivosti MRI omrežij izhajajo iz gibanja subjekta. Neuroimage 59: 2142 – 2154. doi: 10.1016 / j.neuroimage.2011.10.018
- 43. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O in sod. (2002) Avtomatsko anatomsko označevanje aktivacij v SPM z uporabo makroskopske anatomske parcelacije možganov MNI MRI z enim subjektom. Neuroimage 15: 273 – 289. doi: 10.1006 / nimg.2001.0978
- 44. Achard S, Bullmore E (2007) Učinkovitost in stroški ekonomičnih možganskih funkcionalnih omrežij. PLoS Comput Biol 3: e17. doi: 10.1371 / journal.pcbi.0030017
- 45. Bassett DS, Meyer-Lindenberg A, Achard S, Duke T, Bullmore E (2006) Prilagodljiva konfiguracija fraktalnih funkcionalnih omrežij človeških možganov malega sveta. Proc Natl Acad Sci USA 103: 19518 – 19523. doi: 10.1073 / pnas.0606005103
- 46. Rubinov M, Sporns O (2010) Kompleksna omrežna merila možganske povezljivosti: Uporaba in interpretacije. Neuroimage 52: 1059 – 1069. doi: 10.1016 / j.neuroimage.2009.10.003
- 47. Smit DJA, Stam CJ, Posthuma D, Boomsma DI, De Geus EJC (2008) Heritabilnost omrežij „malega sveta“ v možganih: graf teoretična analiza funkcionalne povezljivosti EEG v stanju počitka. Zemljevid možganov Hum 29: 1368 – 1378. doi: 10.1002 / hbm.20468
- 48. Zhang J, Wang J, Wu Q, Kuang W, Huang X in sod. (2011) Motena možganska povezovalna mreža pri velikih depresivnih motnjah v prvi epizodi. Biološka psihiatrija 70: 334 – 342. doi: 10.1016 / j.biopsych.2011.05.018
- 49. Latora V, Marchiori M (2001) Učinkovito obnašanje omrežij malega sveta. Phys Rev Lett 87: 198701. doi: 10.1103 / physrevlett.87.198701
- 50. Watts DJ, Strogatz SH (1998) Skupna dinamika omrežij "malega sveta". Narava 393: 440 – 442. doi: 10.1038 / 30918
- 51. He Y, Wang J, Wang L, Chen ZJ, Yan C, et al. (2009) Razkrivanje instrinzične modularne organizacije spontane možganske aktivnosti pri ljudeh. PLOŠI EN 4: 1 – 17. doi: 10.1371 / journal.pone.0005226
- 52. Gong G, Rosa-Neto P, Carbonell F, Chen ZJ, He Y, et al. (2009) Starostne in spolne razlike v kortikalni anatomski mreži. J Nevrosci 29: 15684 – 15693. doi: 10.1523 / jneurosci.2308-09.2009
- 53. Tian L, Wang J, Yan C, He Y (2011) Razlike v hemisferi in spolu v možganskih mrežah malega sveta: funkcionalna raziskava MRI v mirovanju. Neuroimage 54: 191 – 202. doi: 10.1016 / j.neuroimage.2010.07.066
- 54. Zhu W, Wen W, He Y, Xia A, Anstey KJ in sod. (2012) Spreminjanje topoloških vzorcev pri normalnem staranju z uporabo obsežnih strukturnih omrežij. Staranje nevrobiola 33: 899 – 913. doi: 10.1016 / j.neurobiolaging.2010.06.022
- 55. Hayasaka S, Laurienti PJ (2010) Primerjava značilnosti med omrežnimi analizami, ki temeljijo na regijah in voselih, v podatkih o stanju fmri v mirovanju. Neuroimage 50: 499 – 508. doi: 10.1016 / j.neuroimage.2009.12.051
- 56. Fornito A, Zalesky A, Bullmore ET (2010) Učinki mrežnih meritev v analitičnih grafskih analizah podatkov o fMRI v stanju počitka pri ljudeh. Sprednji Syst Neurosci 4: 22. doi: 10.3389 / fnsys.2010.00022
- 57. Zalesky A, Fornito A, Harding IH, Cocchi L, Yücel M in sod. (2010) Anatomska omrežja z vsemi možgani: Ali je izbira vozlišč pomembna? Neuroimage 50: 970 – 983. doi: 10.1016 / j.neuroimage.2009.12.027
- 58. Dosenbach NUF, Nardos B, Cohen AL, sejem DA, Power JD idr. (2010) Napoved zrelosti posameznih možganov z uporabo fmri. Znanost 329: 1358 – 1361. doi: 10.1126 / znanost.1194144
- 59. Maslov S, Sneppen K (2002) Specifičnost in stabilnost v topologiji beljakovinskih mrež. Znanost 296: 910 – 913. doi: 10.1126 / znanost.1065103
- 60. Buckner RL, Andrew-Hanna JR, Schacter DL (2008) Privzeta mreža možganov: anatomija, delovanje in pomen bolezni. Ann NY Acad Sci 1124: 1–38. doi: 10.1196 / anali.1440.011
- 61. Greicius MD, Krasnow B, Reiss AL, Menon V (2003) Funkcionalna povezljivost v počivajočih možganih: mrežna analiza hipoteze privzetega načina. Proc Natl Acad Sci USA 100: 253 – 258. doi: 10.1073 / pnas.0135058100
- 62. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA in sod. (2001) Privzeti način delovanja možganov. Proc Natl Acad Sci USA 98: 676 – 682. doi: 10.1073 / pnas.98.2.676
- 63. Sejem DA, Dosenbach NUF, Church JA, Cohen AL, Brahmbhatt S in sod. (2007) Razvoj ločenih nadzornih omrežij z ločevanjem in integracijo. Proc Natl Acad Sci USA 104: 13507 – 13512. doi: 10.1073 / pnas.0705843104
- 64. Sejem DA, Cohen AL, Power JD, Dosenbach NUF, Church JA, idr. (2009) Funkcionalne možganske mreže se razvijejo iz organizacije "lokalno na razdeljeno". PLoS Comput Biol 5: e1000381. doi: 10.1371 / journal.pcbi.1000381
- 65. Kelly AC, Di Martino A, Uddin LQ, Zarrar Shehzad1 DGG, Reiss PT in sod. (2009) Razvoj funkcionalne povezanosti sprednjega cingulata od poznega otroštva do zgodnje odraslosti. Cereb Cortex 19: 640 – 657. doi: 10.1093 / cercor / bhn117
- 66. Supekar K, Musen M, Menon V (2009) Razvoj obsežnih funkcionalnih možganskih mrež pri otrocih. PLOS Biol 7: e1000157. doi: 10.1371 / journal.pbio.1000157
- 67. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N in sod. (2011) Zmanjšana interhemisferična funkcionalna povezanost pri avtizmu. Cereb Cortex 21: 1134 – 1146. doi: 10.1093 / cercor / bhq190
- 68. Wilson TW, Rojas DC, Reite ML, Teale PD, Rogers SJ (2007) Otroci in mladostniki z avtizmom kažejo zmanjšane MEG odzive v stanju dinamičnega ravnovesja. Biološka psihiatrija 62: 192 – 197. doi: 10.1016 / j.biopsych.2006.07.002
- 69. Uddin LQ, Supekar K, Menon V (2010) Tipičen in netipičen razvoj funkcionalnih človeških možganskih mrež: vpogled v fMRI v mirovanju. Sprednji Syst Neurosci 4: 21. doi: 10.3389 / fnsys.2010.00021
- 70. Uddin LQ, Supekar KS, Ryali S, Menon V (2011) Dinamična rekonfiguracija strukturne in funkcionalne povezanosti v jedrnih nevrokognitivnih možganskih mrežah z razvojem. J Nevrosci 31: 18578 – 18589. doi: 10.1523 / jneurosci.4465-11.2011
- 71. Liang M, Zhou Y, Jiang T, Liu Z, Tian L, et al. (2006) Široka funkcionalna neskladnost pri shizofreniji s slikanjem funkcionalne magnetne resonance v mirovanju. Neuroreport 17: 209 – 213. doi: 10.1097 / 01.wnr.0000198434.06518.b8
- 72. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S et al. (2006) Povečana lokalna in zmanjšana oddaljena funkcionalna povezanost v alfa in beta frekvenčnih pasovih EEG pri bolnikih, odvisnih od opioidov. Psihoparmakologija 188: 42 – 52. doi: 10.1007 / s00213-006-0474-4
- 73. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S et al. (2007) Umik opioidov povzroči povečano lokalno in oddaljeno funkcionalno povezljivost v alfa in beta frekvenčnih pasovih EEG. Nevrosci Res 58: 40 – 49. doi: 10.1016 / j.neures.2007.01.011
- 74. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L in sod. (2011) Zmanjšana interhemisferična funkcionalna povezanost v stanju mirovanja pri odvisnosti od kokaina. Biološka psihiatrija 69: 684 – 692. doi: 10.1016 / j.biopsych.2010.11.022
- 75. Sejem DA, Cohen AL, Church NUDJA, Miezin FM, Barch DM, et al. (2008) Zoreča arhitektura privzetega omrežja možganov. Proc Natl Acad Sci ZDA 105: 4028–4032. doi: 10.1073 / pnas.0800376105
- 76. Bullmore E, Sporns O (2009) Kompleksna možganska omrežja: Grafična teoretična analiza strukturnih in funkcionalnih sistemov. Nat Rev Neurosci 10: 186 – 198. doi: 10.1038 / nrn2575
- 77. He Y, Evans A (2010) Graf teoretsko modeliranje možganske povezanosti. Curr Mnenje Neurol 23: 341 – 350.
- 78. Stam CJ (2010) Karakterizacija anatomske in funkcionalne povezanosti v možganih: zapletena mreža perspektiva. Int J Psihofiziol 77: 186 – 194. doi: 10.1016 / j.ijpsycho.2010.06.024
- 79. Wang J, Zuo X, He Y (2010) Analiza mrežne analize funkcionalne MRI v mirovanju. Sprednji Syst Neurosci 4: 16. doi: 10.3389 / fnsys.2010.00016
- 80. Latora V, Marchiori M (2003) Gospodarsko vedenje malega sveta v tehtanih omrežjih. Eur Physical Journal B 32: 249 – 263. doi: 10.1140 / epjb / e2003-00095-5
- 81. Tononi G, Edelman GM, Sporns O (1998) Kompleksnost in skladnost: Vključevanje informacij v možgane. Trendi kognitivnih znanosti 2: 474 – 484. doi: 10.1016 / s1364-6613 (98) 01259-5
- 82. Mayberg HS (1997) Limbično-kortikalna disregulacija: predlagani model depresije. J Klinika za nevropsihiatrijo Neurosci 9: 471 – 481.
- 83. Goldstein RZ, Tomasi D, Rajaram S, Cottone LA, Zhang L in sod. (2007) Vloga prednjega cingulata in medialnega orbitofrontalnega korteksa pri predelavi drog v odvisnosti od kokaina. Nevroznanost 144: 1153 – 1159. doi: 10.1016 / j.neuroscience.2006.11.024
- 84. Grüsser SM, Wrase J, Klein S, Hermann D, Smolka MN in sod. (2004) Cue-inducirana aktivacija striatumov in medialnega prefrontalnega korteksa je povezana s poznejšimi relapsi pri abstinentnih alkoholikih. Psihoparmakologija (Berl) 175: 296 – 302. doi: 10.1007 / s00213-004-1828-4
- 85. Miedl SF, Fehr T, Meyer G, Herrmann M (2010) Nevrobiološki korelati problematičnih iger na srečo v kvazirealističnem scenariju blackjacka, kot ga je razkril fMRI. Psihiatrija Res 181: 165 – 173. doi: 10.1016 / j.pscychresns.2009.11.008
- 86. Matochik JA, London ED, Eldreth DA, Cadet JL, Boll KI (2003) Sestava prednjega kortikalnega tkiva pri abstinentnih uživalcih kokaina: Študija slikanja z magnetno resonanco. Neuroimage 19. doi: 10.1016 / s1053-8119 (03) 00244-1
- 87. Fujiwara J, Tobler PN, Taira M, Iijima T, Tsutsui KI (2009) Ločeno in integrirano kodiranje nagrade in kazni v skorji cingulata. J Nevrofiziol 101: 3284 – 3293. doi: 10.1152 / jn.90909.2008
- 88. Yu C, Gupta J, Yin HH (2010) Vloga mediodorzalnega talamusa pri časovni diferenciaciji nagradnih ukrepov. Spredaj Integr Neurosci 4: 14. doi: 10.3389 / fnint.2010.00014
- 89. Corbit LH, Muir JL, Balleine BW (2003) Lezije mediodorsalnega talamusa in prednjih talamičnih jeder povzročajo ločljive učinke na instrumentalno kondicioniranje pri podganah. Eur J Nevrosci 18: 1286 – 1294. doi: 10.1046 / j.1460-9568.2003.02833.x
- 90. Saper CB (2002) Osrednji avtonomni živčni sistem: zavestno visceralno zaznavanje in ustvarjanje avtonomnega vzorca. Annu Rev Neurosci 25: 433 – 469. doi: 10.1146 / annurev.neuro.25.032502.111311
- 91. Ray JP, Prince JL (1993) Organizacija projekcij iz mediodorsalnega jedra talamusa do orbitalne in medialne prefrontalne skorje pri makakovih opicah. J Comp Neurol 337: 1 – 31. doi: 10.1002 / cne.903370102
- 92. Rolls ET (2004) Funkcije orbitofrontalne skorje. Možgansko spoznavanje 55: 11 – 29. doi: 10.1016 / s0278-2626 (03) 00277-x
- 93. Dong G, Huang J, Du X (2012) Spremembe regionalne homogenosti možganskih aktivnosti v mirovanju v odvisnosti od spletnih iger. Behav možganska funkcija 18: 8 – 41. doi: 10.1186 / 1744-9081-8-41
- 94. Steriade M, Llinás RR (1998) Funkcionalna stanja talamusa in s tem povezano medsebojno delovanje nevronov. Physiol Rev 68: 649 – 742.
- 95. Stein T, Moritz C, Quigley M, Cordes D, Haughton V in sod. (2000) Funkcionalna povezanost v talamu in hipokampusu, ki sta se preučevala s funkcionalnim mr slikanjem. AJNR Am J Nevroradiol 21: 1397 – 1401.
- 96. Burgess N, Maguire EA, O'Keefe J (2002) Človeški hipokampus ter prostorski in epizodni spomin. Neuron 35: 625–641. doi: 10.1016 / s0896-6273 (02) 00830-9
- 97. Warburton EC, Baird A, Morgan A, Muir JL, Aggleton JP (2001) Skupni pomen hipokumpov in sprednjih talamskih jeder za vse alocentrično prostorsko učenje: dokazi iz študije o prekinitvi povezave pri podganah. J Nevrosci 21: 7323 – 7330.
- 98. Garavan H, Hester R, Murphy K, Fassbender C, Kelly C (2006) Posamezne razlike v funkcionalni nevroanatomiji zaviralnega nadzora. Brain Res 1105: 130 – 142. doi: 10.1016 / j.brainres.2006.03.029
- 99. Menon V, Adleman NE, White CD, Glover GH, Reiss AL (2001) Aktivacija možganov, povezana z napakami, med nalogo zaviranja odziva Go / NoGo. Možganska karta Hum 12: 131–143. doi: 10.1002 / 1097-0193 (200103) 12: 3 <131 :: aid-hbm1010> 3.0.co; 2-c
- 100. Whitfield-Gabrieli S, Ford JM (2012) Omrežna aktivnost in povezljivost v privzetem načinu v psihopatologiji. Annu Rev Clin Psychol 8: 49 – 76. doi: 10.1146 / annurev-Clinpsy-032511-143049
- 101. Ding X, Lee SW (2013) Kokainska odvisnost, povezana z obnovljivimi možganskimi regijami nenormalne funkcionalne povezljivosti privzetega načina: Skupinska študija ica z različnimi naročili modelov. Nevrosci Lett 548: 110 – 114. doi: 10.1016 / j.neulet.2013.05.029
- 102. Ma N, Liu Y, Fu XM, Li N, Wang CX in sod. (2011) Nenormalno omrežno funkcionalno povezovanje pri odvisnikih od mamil. PLOŠI EN 6: e16560. doi: 10.1371 / journal.pone.0016560
- 103. Tschernegg M, Crone JS, Eigenberger T, Schwartenbeck P, Fauth-Bühler M in sod. (2013) Nenormalnosti funkcionalnih možganskih mrež v patološkem igranju na srečo: graf-teoretični pristop. Sprednji Hum Neurosci 7: 625. doi: 10.3389 / fnhum.2013.00625
- 104. Kolb B, Whishaw IQ (1998) Plastičnost in obnašanje možganov. Annu Rev Psychol 49: 43 – 64. doi: 10.1146 / annurev.psych.49.1.43
- 105. Shaw CA, McEachern J, uredniki (2001) Proti teoretični nevroplastičnosti. Psihologija Press.
- 106. Kolb B, Gibb R (2003) Plastičnost in obnašanje možganov. Curr Dir Psychol Sci 12: 1 – 5. doi: 10.1111 / 1467-8721.01210
- 107. Kolb B, Gibb R (2011) Plastičnost možganov in vedenje v možganih v razvoju. J Lahko Acad Otroško otroško psihiatrijo 20: 265 – 276.
- 108. Robinson TE, Berridge KC (1993) Nevronska osnova hrepenenja po drogah: spodbujevalno-senzibilizacijska teorija odvisnosti. Brain Res Rev 18: 247 – 291. doi: 10.1016 / 0165-0173 (93) 90013-p
- 109. Alavi SS, Maracy MR (2011) Vpliv psihiatričnih simptomov na motnje odvisnosti od interneta pri študentih Isfahanovih univerz. J Res Med Sci 16: 793–800.
- 110. Egger O, Rauterberg M (1996) Obnašanje in zasvojenost z internetom. Tehnično poročilo, Enota za delovno in organizacijsko psihologijo (IFAP), Švicarski zvezni inštitut za tehnologijo (ETH), Zürich.
- 111. Petrie H, Gunn D (1998) "odvisnost od interneta": učinki spola, starosti, depresije in introverzije. V: Londonska konferenca British Psychological Society. London, Velika Britanija: British Psychological Society. Dokument, predstavljen na konferenci British Psychological Society London v Londonu.