Analiza, ki temelji na omrežju, razkriva funkcionalno povezljivost, povezano s tendenco internetne odvisnosti (2016)

Sprednji Hum Neurosci. 2016; 10: 6.

Objavljeno na spletu 2016 Feb 1. doi: 10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tanja Wen^1,^2,^* in Shulan Hsieh^1,^3,^4,^*

Podatki o avtorju ► Opombe o členih ► Informacije o avtorskih pravicah in licenci ►

Minimalizem

Preokupacija in kompulzivna uporaba interneta ima lahko negativne psihološke učinke, tako da se vse bolj prepozna kot duševna motnja. Ta študija je uporabila mrežne statistike, da bi raziskala, kako so funkcionalne povezave med celimi možgani v mirovanju povezane s stopnjo posameznikove internetne odvisnosti, indeksirano z samoocenjenim vprašalnikom. Identificirali smo dve topološko pomembni mreži, eno s povezavami, ki so pozitivno povezane s težnjo po zasvojenosti z internetom in eno s povezavami, ki so negativno povezane s težnjo po zasvojenosti z internetom. Obe mreži sta večinoma povezani v čelnih regijah, kar bi lahko odražalo spremembe v čelnem območju za različne vidike kognitivnega nadzora (tj. Za nadzor uporabe interneta in igralnih veščin). Nato smo možgane razvrstili v več velikih regionalnih podskupin in ugotovili, da večina deležev povezav v obeh omrežjih ustreza možganskemu modelu zasvojenosti, ki zajema model s štirimi vezji.

Nazadnje smo opazili, da možganske regije z najbolj medregionalnimi povezavami, povezanimi s težnjo po zasvojenosti z internetom, ponovijo tiste, ki jih pogosto opazimo v literaturi o odvisnosti, in to potrjuje naša metaanaliza študij odvisnosti od interneta. Ta raziskava ponuja boljše razumevanje obsežnih omrežij, ki se ukvarjajo s težnjo po zasvojenosti z internetom, in kaže, da so predklinične ravni zasvojenosti z internetom povezane s podobnimi regijami in povezavami kot klinični primeri zasvojenosti.

ključne besede: internetna zasvojenost, mrežna statistika, funkcionalna povezljivost, stanje počitka, metaanaliza

Predstavitev

Internet odvisnost (OReilly, 1996; Young, 1998) je sodoben pojav, za katerega je značilna preokupacija in kompulzivna uporaba interneta. Zlasti motnja spletnih iger (IGD) je navedena v oddelku III Diagnostičnega in statističnega priročnika različice 5 (DSM-5^®, Ameriško psihiatrično združenje [APA], 2013). Nekatera literatura je zaradi pomanjkanja standardnega merila obravnavala obe terminologiji kot sinonim (gl Petry in O'Brien, 2013; Petry et al., 2014 za razpravo); vendar je kompulzivna in prekomerna uporaba interneta za kakršno koli dejavnost (ki jo bomo v tej literaturi imenovali internetna odvisnost) bolj globalna kot njen glavni podtip IGD, ki poleg spletnega igranja lahko vključuje več oblik uporabe interneta (Griffiths in Pontes, 2014; Király et al., 2014; Petry et al., 2014). Naša trenutna študija raziskuje internetno odvisnost v bolj splošni obliki. Podobno kot pri motnjah uživanja snovi tudi internetna zasvojenost kaže odtegnitvene simptome, toleranco, izgubo nadzora in psihosocialne težave, kar vodi v klinično pomembno stisko ali okvaro vsakodnevnega delovanja. V tej raziskavi je razširjenost azijskih držav in moških mladostnikov najvišja, zato je bilo ocenjeno, da znaša od 14.1 do 16.5% (interval zaupanja v odstotku 95) med študenti na tajvanskih študentih (Lin et al., 2011). Pojav že zadnjih nekaj let pritegne več pozornosti in si zasluži nadaljnje raziskave.

Funkcijsko slikanje z magnetno resonanco (fMRI) je bilo uporabljeno za prepoznavanje nevronskih substratov internetne zasvojenosti, za katere se je izkazalo, da kažejo podobne možganske podpise z odvisnostmi, povezane s snovjo (Kuss in Griffiths, 2012; Brand et al., 2014; Meng in sod., 2015). V blokiranih in z dogodki povezanih študijah je bilo več regij, povezanih z nagrajevanjem, zasvojenostjo in hrepenenjem, ugotovljenih s kontrastnimi nakazili za internetne igre z osnovno črto, ki vključuje izolo, nukleus acumbens (NAc), dorsolateralno predfrontalno skorjo (DLPFC) in orbitalno frontalno skorja (OFC) (Hoeft in sod., 2008; Ko et al., 2009; Han et al., 2010; Sun et al., 2012; Ko et al., 2013). Vendar aktivacijski pristopi nasprotujejo aktivnostim, ki so povezane z iztočnicami, in ne obravnavajo medsebojnega delovanja možganov, zato ne morejo opisati spremenjenih funkcionalnih povezav, povezanih s kliničnimi ali vedenjskimi ukrepi; vendar so človeške motnje posledica motenj v medsebojno povezanem kompleksnem sistemu (Fornito in Bullmore, 2015). Uvedba fMRI v stanju počitka se je izkazala za močno orodje za preučevanje nevronske povezanosti celotnih možganov (van den Heuvel in Pol, 2010). Funkcionalna povezanost v stanju počitka se oceni s korelacijo spontanih nihanj signalov, odvisnih od nivoja kisika v krvi (BOLD), v različnih možganskih regijah in se šteje, da zagotavljajo njegovo funkcionalno organizacijo, in lahko pomagajo opisati nenormalne sinhronizacije med možganskimi regijami v spektru psiholoških fenotipov (Biswal in sod., 2010; Craddock in sod., 2013).

Čeprav je bilo nekaj raziskav, ki so uporabljale funkcionalno povezljivost za raziskovanje spremenjene funkcionalne povezanosti, povezane z zasvojenostjo z internetom, je večina študij uporabljala semenske regije, izbrane a priori, bodisi (a) koreliranje enega semenskega območja s preostalimi vokseli celotnih možganov [Hoeft in sod., 2008 uporabil NAc; Lorenz et al., 2013 uporabil desni spodnji čelni gyrus (IFG); Ding in sod., 2013 uporabil zadnjično cingulatno skorjo (PCC); Ko et al., 2015 uporabljal amigdalo; Zhang et al., 2015 uporabil insulo; Hong in sod., 2015 uporabljali kaudata jedra in putamen; Kühn in Gallinat, 2015 uporabil desni frontalni pol; Li et al., 2015 uporabil pravi DLPFC] ali (b) izvajal korelacije med več vnaprej določenih ROI, izbranih iz smiselnih omrežij (Yuan et al., 2015 pregledal osrednjo izvršilno mrežo in mrežo salience; Dong in sod., 2015b pregledal mrežo izvršnega nadzora; Dong in sod., 2015a pregledal mrežo izvršnega nadzora in nagrajevanje; Li et al., 2014 pregledal mrežo zaviranja odzivanja; Lin et al., 2015 preučil šest vnaprej določenih dvostranskih kortikostriatalnih ROI). Vnaprej določene preiskane semenske regije predstavljajo le majhen delež možganov, zato morda ne bodo mogli zagotoviti popolne slike o vplivu odvisnosti od interneta.

Zelo malo raziskav je za raziskovanje zasvojenosti z internetom uporabljalo celoten možgan pristop. Kolikor vemo, trenutno obstajajo le štirje objavljeni prispevki, ki so sprejeli pristop celotnih možganov, njihove metode pa so precej različne, segajo od statistike, ki temelji na omrežju (NBS; Hong in sod., 2013) topološki (Hong in sod., 2013; Wee et al., 2014; Park et al., 2015) na novo razvito homotopsko povezanost z zrcalno zasnovo (Wang et al., 2015). Še posebej, Hong in sod. (2013) zaposlila NBS za ugotavljanje razlik med skupinami v medregionalni funkcionalni povezanosti in ugotovila, da so pri bolnikih z zasvojenostjo z internetom motene povezave, vključene v kortiko-podkortikalna vezja. Vendar se je njihova študija osredotočila na majhno velikost vzorca edinstvene populacije (moški zgodnji mladostniki).

Zato smo se v našem sedanjem prispevku odločili, da bomo uporabili pristop povezovanja celotnih možganov, NBS (Zalesky et al., 2010a; Han et al., 2013), prepoznati funkcionalne povezave, ki napovedujejo težnjo po zasvojenosti z internetom. NBS je potrjena statistična metoda za reševanje problema z več primerjavami na grafu, je analogna metodam, ki temeljijo na grozdih (Nichols in Holmes, 2002) in se uporablja za identifikacijo povezav in omrežij, ki sestavljajo človeški konekom, ki so povezani z eksperimentalnim učinkom ali razlik med skupinami, tako da se hipoteza neodvisno preizkuša pri vsaki povezavi. Naše rezultate bomo nadalje primerjali z metaanalizo obstoječih člankov, povezanih z nevronskimi korelati odvisnosti od interneta. Upamo, da bomo obstoječo literaturo razširili na več načinov: (1) Upamo, da bomo z uporabo analize celotnih možganov namesto uporabe le majhnega števila vnaprej določenih semenskih regij zagotovili popolnejšo sliko internetne odvisnosti. (2) Čeprav obstaja nekaj študij funkcionalne povezanosti celih možganov o odvisnosti od interneta (npr. Hong in sod., 2013; Wang et al., 2015), so študije primerjale internetne skupine odvisnosti z zdravimi kontrolami. Naša raziskava ni vključevala nobenih kliničnih bolnikov, vendar je značilnost internetne zasvojenosti označila kot gradient. Upamo, da bomo prepoznali funkcionalne povezave, katerih moč je odvisna od stopnje zasvojenosti. (3) Večina študij odvisnosti od interneta ni upoštevala možganov, vendar je možgan vključen kot pomembna regija zasvojenosti (Moulton in sod., 2014). Tako smo v našo analizo vključili možgan. (4) Številne študije so svojo skupino udeležencev omejile na moške in pogosto vsebujejo razmeroma majhne velikosti vzorcev (npr. Hong in sod., 2013, 2015; Kühn in Gallinat, 2015). Za povečanje splošnosti in moči teh študij so potrebni vzorci, ki vsebujejo oba spola in večjo velikost vzorca (Li et al., 2015). Z obravnavanjem zgornjih težav želi trenutna študija zagotoviti boljše razumevanje, kako je funkcionalna povezljivost povezana s težnjo po zasvojenosti z internetom.

Materiali in metode

Meta-analiza

Meta-analiza je bila zgrajena z bazo podatkov NeuroSynth (http://neurosynth.org; Yarkoni in sod., 2011). Opravljena je bila prilagojena analiza z uporabo iskalnih izrazov "odvisnost", "odvisnik", "internet", "igre na srečo", "igra" in "na spletu", da smo v bazi podatkov raziskali povezave z internetno zasvojenostjo. Kriteriji za vključitev so bili preverjeni ročno, seznam vključenih študij pa je podrobno opisan v Dopolnilnih materialih 1. Skupaj je bilo vključenih študij 18. Koordinate največje aktivacije in sosednja vokselov 6 mm so bile odstranjene iz vključenih študij. Nato je bila izvedena metaanaliza teh koordinat, ki je ustvarila naprej in razkrivala sklepanje celotnim možganom z-slikati zemljevide. Karte sklepanja naprej odražajo verjetnost, da se bo regija aktivirala glede na te pogoje [P(aktivacija | pogoji)], zato nas obvestite o doslednosti aktivacije za dane pogoje. Obrnjena karta sklepanja kaže na verjetnost, da se ti izrazi uporabijo v študiji glede na prisotnost poročane aktivacije [P(pogoji | aktivacija)]; torej regija, ki je aktivirana, kaže, da je bolj verjetno, da bo šlo za internetno odvisnost od študije odvisnosti kot študijo v zvezi z odvisnostjo od interneta, ki odraža selektivnost te regije. Ker imata tako naprej kot vzvratno sklepanje pomembno vlogo, da nam pomaga razumeti regije, povezane z zasvojenostjo z internetom, smo ti dve sklepni karti prekrivali, da smo orisali njuni skupni regiji. Poročajo o grozdih, večjih od petih.

FMRI v stanju počitka

udeleženci

Sedeminštirideset zdravih udeležencev (moški 21 in ženske 26) iz južnega Tajvana, od katerih je večina študentov ali osebja na univerzi, je bilo vpoklicano prek oglasov za sodelovanje v poskusu (starostni razpon = 19 – 29 let, povprečna starost = 22.87 let, SD = 2.22 let). Udeleženci so bili z desno roko (nakazali so jo v Edinburškem popisu zaročenosti), imeli so normalen ali popravljen normalen vid in niso imeli zgodovinskih psiholoških ali nevronskih motenj. Njihova ocena depresije, tesnobe in inteligence je bila v normalnih mejah [ocena Beck's Depression Inventory (BDI): 0 – 12; Beckova ocena anksioznosti (BAI): 0 – 7; Raven-ova standardna progresivna matrika: 35 – 57]. Chen-ov rezultat revidirane lestvice interneta odvisnosti (CIAS-R) za vse udeležence je imel razpon = 28 – 92, povprečje = 60.04, SD = 16.53. Tabela Tabela11 povzema demografske informacije in značilnosti vedenja udeležencev. Normalnost rezultatov CIAS-R je bila preverjena s testom Shapiro – Wilk [W(47) = 0.98, p = 0.50]. Med spoloma in oceno CIAS-R ni bilo pomembne korelacije (Spearmanova ρ = 0.15, p = 0.30). Vsi udeleženci so podali svoje pisno informirano soglasje in protokol študije (NO: B-ER-101-144) je odobril institucionalni pregledni odbor (IRB) Nacionalne univerzitetne bolnišnice Cheng Kung, Tainan, Tajvan. Vsi udeleženci so po zaključku eksperimenta prejeli 500 NTD.

Demografske informacije in značilnosti vedenja.

Vprašalnik revidiranega obsega lestvice Chen Internet Addiction (CIAS-R)

Censka lestvica odvisnosti od interneta Chen (CIAS-R; Chen et al., 2003) je ukrep z oznako 26, ki se uporablja za oceno resnosti zasvojenosti z internetom. CIAS-R temelji na merilih aditivnega vedenja DSM-IV-TR in vsebuje dve podvrste internetne odvisnosti (a) temeljne simptome in (b) povezane težave, pri čemer ocenjujemo pet razsežnosti, vključno z (1) kompulzivno uporabo interneta, (2) simptomi ob odvzemu interneta, (3) toleranca, (4) ogroženost medosebnih odnosov in fizičnega zdravja ter (5) težave pri upravljanju časa. Predmeti so ocenjeni na lestvici Likertova točka 4, skupne ocene pa segajo od 26 do 104, kar odraža nizko do visoko nagnjenost k spletni odvisnosti. Pokazalo se je, da ima CIAS-R visoko notranjo konsistenco (Cronbach-ov α = 0.79 – 0.93; Chen et al., 2003) in visoka diagnostična natančnost (AUC = 89.6%; Ko et al., 2005). V tej raziskavi je bil skupni rezultat CIAS-R uporabljen kot pokazatelj trenutnega stanja udeležencev po internetu.

Pridobitev in obdelava slik

Slikovno slikanje je bilo izvedeno s pomočjo skenerja GE MR750 3T (GE Healthcare, Waukesha, WI, ZDA) v MRI centru Nacionalne univerze Cheng Kung. Anatomske slike visoke ločljivosti so bile pridobljene z uporabo hitro-SPGR, sestavljenega iz aksialnih rezin 166 (TR = 7.6 ms, TE = 3.3 ms, kot flip 171 = 12 °, matrice 224 × Matrice 224, debelina rezine = 1 mm). Funkcionalne slike smo pridobili z uporabo gradientno-odmevnega ehoplanarnega slikanja (EPI) impulznega zaporedja (TR = 2000 ms, TE = 30 ms, flip kota = 77 °, matrice 64 × matrice 64, debelina rezine = 4 mm, brez vrzeli, velikost voksela 3.4375 mm × 3.4375 mm × 4 mm, 32 osne rezine, ki pokrivajo celoten možgan).

Udeleženci so rekli, naj se sprostijo in ležijo v skenerju z zaprtimi očmi. Od skeniranja so jih prosili, naj ne razmišljajo o nobenem določenem dogodku. Čas skeniranja za strukturno sliko je bil približno 3.6 min. Funkcionalna slika je trajala približno 8 min, prvih pet TR pa je služilo kot preskusno preverjanje, s čimer je zagotovljeno, da signal doseže enakomerno stanje, preden se zberejo podatki; tako je potek sestavljen iz 240 EPI volumskih slik za analizo.

Podatki so bili predhodno obdelani s pomočjo Asistenta za obdelavo podatkov za fMRI v stanju počitka (DPARSF; Yan in Zang, 2010), ki temelji na funkcijah v MRIcroN (Rorden in sod., 2007^¹) kot tudi programska oprema za statistično parametrično preslikavo (SPM)^²) in orodje za analizo podatkov fMRI v stanju počitka (REST; Song et al., 2011) v Matlabu (The MathWorks, Inc., Natick, MA, ZDA). Funkcionalne slike so bile podvržene popravku časovnega odseka, ki mu je sledilo poravnavo gibanja glave s šestimi parametri toge transformacije telesa. Skupno gibanje, označeno s srednjim premikom v okvirju (FD), ni bilo veliko (srednja vrednost = 0.05, SD = 0.03) in ni v korelaciji z rezultati CIAS-R (Spearmanova ρ = -0.28, p = 0.055), zato impulzivnost ni zmeden dejavnik ocene in odvisnosti od interneta (Kong in sod., 2014). Slike T1 so bile registrirane v funkcionalne slike. Strukturne slike so bile segmentirane na CSF, belo snov in sivo snov na osnovi zemljevidov verjetnosti tkiv v prostoru MNI, ti izračuni pa so bili uporabljeni pri poznejši normalizaciji T1 in EPI slik v prostor MNI. Podatki so bili zglajeni v prostorski domeni z Gaussovim jedrom polne širine 6 mm na polovici maksimuma (FWHM) in odstranjeni linearni trend. Neugodni kovarijati, vključno z globalnim srednjim signalom, belim snovem in signalom cerebrospinalne tekočine, so bili umaknjeni. Čeprav naj se globalna regresija signala še vedno nadaljuje (npr. Saad et al., 2012) smo se odločili za uporabo te metode, ker je bilo predlagano, da maksimiramo specifičnost funkcionalnih korelacij in izboljšamo ujemanje med korelacijami stanja počitka in anatomijo (Fox et al., 2009; Weissenbacher et al., 2009; Takeuchi in sod., 2014). Končno so bile slike pod pasovnim filtriranjem 0.01 – 0.08 Hz.

Analiza podatkov

Slike fMRI smo razdelili na osnovi anatomskega avtomatskega označevanja (AAL; Tzourio-Mazoyer et al., 2002) predlogo, ki možgane temelji na anatomski strukturi na ROI (ali vozlišča) 116. Izbrali smo atlas AAL, ker je bil najpogosteje uporabljen paket v študijah funkcionalnih omrežij (Stanley et al., 2013) in je bila tudi predloga, ki jo je uporabil Hong in sod. (2013), katerega študija je najpomembnejša za našo, s čimer se poveča stopnja primerljivosti med študijami (Zalesky in sod., 2010b). Metoda NBS je bila uporabljena za identifikacijo možganskih mrež, ki je sestavljena iz medregionalne funkcionalne povezanosti, ki kaže pomembno povezavo z oceno CIAS-R. Naslednje analize so bile narejene s pomočjo zbirke orodij za statistiko na podlagi omrežja (Zalesky et al., 2010a) z dodatnimi notranjimi skripti Matlab. Za vsakega udeleženca je bila izdelana korelacijska matrika 116 × 116 z uporabo časovnih tečajev, izvlečenih iz vsake ROI. Pearsonovi r vrednosti so bile normalizirane na Z ocene z uporabo Fisher's Z preobrazba. Vsaka celica korelacijske matrike predstavlja moč povezave (ali roba) med dvema vozliščema. Množično enojno testiranje z uporabo Spearmanove korelacije rangov je bilo izvedeno med rezultati CIAS-R udeležencev in jakostmi robov znotraj vsakega roba, da bi ugotovili ustrezne povezave, ki so napovedovale rezultat CIAS-R. Robovi kandidatov, ki so pokazali visoko predvidljivost rezultata CIAS-R, so bili izbrani prek primarnega praga Spearmanovega rho> 0.37 oziroma <-0.37 (približno enostranska alfa = 0.005), da bi prepoznali omrežja, ki so pozitivno in negativno povezana s CIAS- Ocena R. Nato so med nadpragovnimi povezavami identificirali topološke grozde, znane kot povezane grafne komponente. Družinsko napako (FWE) za velikost komponente smo izračunali s preskusom permutacije (3000 permutacij), ki je vključeval naključno preurejanje rezultatov CIAS-R in ponavljanje zgornjega postopka vsake permutacije, da smo dobili ničelno porazdelitev največje velikosti komponente. Povezane komponente grafa, katerih velikost presega ocenjeno popravljeno FWE p-mejne vrednosti <0.05 so bile opredeljene kot omrežja, ki so pomembno povezana s težnjo zasvojenosti z internetom. Pregledovalnik BrainNet (Xia in sod., 2013) je bil uporabljen za vizualizacijo povezav. Slika cevovoda za analizo podatkov je prikazana v Slika Slika11.

SLIKA 1

Diagram poteka cevovoda za analizo podatkov. Možgani udeležencev so bili predhodno obdelani in razdeljeni v različne strukturne regije po predlogi AAL. Korelacijska matrika je bila izdelana z uporabo časovnih tečajev, ki so bili izvlečeni iz vsake regije do ...

Rezultati

Meta-analiza

Napredni in vzvratni sklepi zzemljevidi so bili ustvarjeni iz NeuroSynth (prikazano v Slika Slika22). Aktivacije na teh dveh zemljevidih kažejo veliko podobnost med seboj. Prekrivanje teh zemljevidov je pokazalo aktivacijo v predelih možganskega debla, temporalnega režnja (dvostransko inferior temporal gyri, desni nadrejeni temporalni polo in desni srednji in zgornji temporalni gyrus), več čelnih regij (levi srednji in zgornji orbitalni čelni gyrus, desni srednji frontalni gyrus itd. desni inferiorni frontalni operkulum in desni precentralni gyrus), dvostranski putamen, dvostranska insula, desni srednji cingulat in desni prekuneus. Tabela Tabela22 navaja identificirane grozde in tudi regije AAL, ki pripadajo grozdu.

SLIKA 2

Preskusne karte metaanalize, opravljene na NeuroSynthu, prikažejo področja, ki so aktivna pri sklepanju naprej, obratnem sklepanju in prekrivanju obeh zemljevidov.

Prekrivajoči se grozdi zemljevidov sklepanja naprej in nazaj.

FMRI v stanju počitka

Funkcionalne povezave, povezane z nagnjenjem k odvisnosti od interneta

S pomočjo NBS smo identificirali dve mreži, ki sta pokazali pomembno povezavo jakosti roba in rezultatov CIAS-R (p <0.05, popravljeno s FWE): ena z robovi, pozitivno koreliranimi z ocenami CIAS-R ("CIAS-R pozitiven", prikazan rdeče), in ena z robovi, negativno koreliranimi s CIAS-R ("CIAS-R negativno", prikazano v modri barvi). Pozitivna mreža CIAS-R je sestavljena iz 65 vozlišč in 90 robov (45 intrahemisferičnih, 42 interhemisfernih in 3, ki se povezujejo z vermisom), medtem ko negativno mrežo sestavlja 64 vozlišč in 89 robov (35 intrahemisferičnih, 40 interhemisfernih in 14 povezovanje z / znotraj vermisa). Pomembno je omeniti, da obe omrežji nista popolnoma ločeni in imata skupno 39 vozlišč, od tega 30.77% regij čelnega režnja. Skupno število robov, povezanih s CIAS-R, je 2.68% vseh robov možganov. Omrežje je prikazano v Slika Slika33 in posebne povezave so navedene v Dodatnih materialih 2, Tabela S1.

SLIKA 3

Mreža povezav, ki so povezane z rezultati CIAS-R. Sive kroglice predstavljajo središče vsakega vozlišča in se spreminjajo glede na število pomembnih robov, s katerimi so povezani. Prikazana so samo vozlišča s povezavami. Rdeče črte predstavljajo ...

Globalna porazdelitev vpletenih robov

Da bi bolje razumeli, kako se te povezave porazdelijo, smo sledili Fornito in sod. (2011) in Hong in sod. (2013)ter kategorizirala vsako območje AAL znotraj vsake mreže, ki spada v sedem regionalnih podskupin: čelno, časovno, parietalno, okcipitalno, ingularno in cingulatno žirirano, podkortikalno in možgansko. Večina robov v CIAS-R pozitivni mreži je vključevala povezave med (1) časovne regije in otoke ter cingulate gryi (∼13%), od katerih večina vključuje zadnjični cingulatni gyrus, ki se povezuje v različne časovne regije; (2) čelna in časovna območja (∼12%), ki vključuje povezave med medialnega orbitofrontalnega korteksa, paracentralne lobule in temporalnega režnja gyri, temporalnega pola; in (3) parietalne in podkortikalne regije (∼11%), ki so sestavljene iz povezav med postcentralno skorjo in vrhunsko parietalno lobulo s kapniki in palidumom. Zanimivo je, da razen prednjega režnja vse druge regije nimajo nobenih regionalnih povezav, katerih moč je pozitivno povezana s težnjo po zasvojenosti z internetom. Večina robov v negativnem omrežju CIAS-R je vključevala povezave med (1) čelnim repom in možganskim črevesom (∼19%), večina pa je povezav med orbitalnimi čelnimi regijami in različnimi ROI možganov; in (2) insula in cingulati gyri ter temporalni reženj (∼12%), ki obsega povezave med inzolo, cingulum, parahippocampal in tempiralni reženj gyri. V okrožni mreži CIAS-R ni bilo vključenih nobenih okcipitalnih regij. Delež medregijskih povezav vsakega omrežja je prikazan v Slika Slika44.

SLIKA 4

Delež robov, ki so pozitivno in negativno povezani s težnjo po zasvojenosti z internetom med pari regionalnih podskupin. Proporcije smo izračunali tako, da smo število robov med (ali znotraj) pari regij delili s skupno ...

Maksimalno prizadeta vozlišča

Zaradi velikega števila prepoznanih robov smo sledili Finn in sod. (2014)in identificirana vozlišča, ki imajo visoko "vsoto robov, povezanih s CIAS-R", da bi analizo usmerili na regije, kjer so povezave maksimalno povezane s težnjo po zasvojenosti z internetom. Vsota CIAS-R-koreliranih robov vozlišča je bila določena kot skupno število njegovih robov tako v CIAS-R pozitivnem kot v CIAS-R negativnem omrežju (to je konceptualno enako stopnji mere v teoriji grafov). Ta metoda nam bo omogočila, da prepoznamo vozlišča, kjer se povezave najverjetneje spremenijo zaradi nagnjenosti k internetu. Naslednji Tabela Tabela33 našteje vozlišča, ki so maksimalno prizadeta, in prikazuje vozlišča, ki imajo vsaj vsoto CIAS-R-koreliranih robov vsaj 8. Vizualizacija vozlišč in njihovih povezav je prikazana v Slika Slika55. To so tudi vozlišča, izbrana za razpravo.

Analiza vozlišč nagnjenosti k odvisnosti od interneta.

SLIKA 5

Vizualizacija vozlišč z največjim številom robov, povezanih s težnjo po zasvojenosti z internetom. Zelene krogle prikazujejo sredino vsakega vozlišča z maksimalnimi robovi, rumene krogle pa svoje funkcionalne partnerje za povezovanje. Rdeče črte označujejo robove ...

Razprava

V normalni skupini mladih smo raven odvisnosti od interneta ocenili s samointegriranim vprašalnikom (CIAS-R) in nadalje identificirali dve možganski mreži, ki sta funkcionalni povezavi pozitivno in negativno korelirali s težnjo po zasvojenosti z internetom. V nadaljevanju razpravljamo o naših rezultatih na različnih lestvicah opazovanja: (1) ključne regije, ki povezujejo pozitivno CIAS-R in negativno omrežje CIAS-R, (2) regije z visokim deležem povezav, povezanih s težnjo po zasvojenosti z internetom, in (3 ) kritična vozlišča, spremenjena s težnjo po zasvojenosti z internetom.

Čelne regije povezujejo pozitivna omrežja CIAS-R in negativna omrežja CIAS-R

Opazili smo, da se večina vozlišč, ki povezujejo dve (CIAS-R pozitivno in CIAS-R negativno) omrežje, nahaja v čelnem reženju. Te regije vključujejo vrhunski čelni čir, IFG, medialni čelni gyrus, rolandski operkulum in dodatno motorično območje. Prefrontalna skorja naj bi bila kritična struktura kognitivne kontrole, inhibicije in izbire odziva (Aron et al., 2004; Talati in Hirsch, 2005; Forstmann in sod., 2008). Zasvojenost z internetom je pojav v tem, da so odvisniki zmanjšali samokontrolo in odločanje o uporabi interneta, kar se odraža z nenehno prekomerno uporabo kljub znanju negativnih učinkov. Na primer, več raziskav je ugotovilo, da so udeleženci z zasvojenostjo z internetom med nalogo Go / Nogo pokazali večjo fronto-striatalno in fronto-parietalno aktivacijo (Ding in sod., 2014; Ko et al., 2014; Chen et al., 2015) in Stroop naloga (Dong in sod., 2012a, 2013, 2014), kar kaže na slabšo zaviranje odziva in spremljanje napak ter povečano impulzivnost. Toda po drugi strani internetni odvisniki in predvajalniki video iger pogosto kažejo odlične zmogljivosti kognitivnih funkcij, kot sta nadzor motorja in učinkovito odločanje med igranjem iger. Dejansko se kaže, da učinki igranja video iger posplošujejo številne izboljšane veščine izvajanja, vključno z zaznavnimi, motoričnimi, pozornimi in verjetnostnimi spretnostnimi spretnostmi (Green and Bavelier, 2003; Castel in sod., 2005; Dye in sod., 2009; Green et al., 2010; Green et al., 2012). Ena raziskava fMRI je ugotovila, da se je zmanjšalo število zaposlitve fronto-parietalne mreže v predvajalnikih video iger v primerjavi z igralci, ki ne igrajo igralcev, med veliko nalogo povpraševanja, kar morda odraža učinkovitejši nadzor nad izvajanjem in pozornostjo (Bavelier in sod., 2012). Zasloni kognitivnega nadzora, ki jih prikazujejo odvisniki od interneta, sta zanimiva dilema. V naši raziskavi bi lahko opazovanje čelnih regij, ki povezujejo dve mreži, kjer je funkcionalna povezanost zmanjšana in povečana zaradi nagnjenosti k internetu, lahko odražalo spremembe v čelnem območju za različne vidike kognitivnega nadzora (tj. Za nadzor uporabe interneta in igralnih veščin). Velja omeniti, da čeprav Hong in sod. (2013) domnevali, da bi lahko obstajala večja funkcionalna povezanost, povezana z učinki prakse pri internetnih odvisnikih, v njihovi študiji so opazili le zmanjšano funkcionalno povezanost. Ena možnost, ki jo je predlagal Hong in sod. (2013) ker ni bilo večje funkcionalne povezanosti pri posameznikih, odvisnih od interneta, je njihova majhnost vzorca povzročila pomanjkanje moči. Z uporabo analize, ki temelji na semenu, ki zahteva manjkratne primerjave kot pristopi celotnih možganov, Hong in sod. (2015) ponovno analizirali podatke 2013 in opazili povečano in zmanjšano funkcionalno povezanost, povezano z zasvojenostjo z internetom.

Široko razširjene povezave med internetnimi omrežji nagnjenosti k odvisnosti

Podatki kažejo veliko število inter- in intra-hemisfernih povezav v CIAS-R pozitivnih in CIAS-R negativnih omrežjih, kar odraža obsežen vpliv internetne zasvojenosti na možgane. Opazili smo, da je najvišji delež povezav v pozitivnem omrežju CIAS-R vključeval "izola in cingulat - časovni," čelni - časovni "in" podkortični - parietalni "robovi, medtem ko je bil najvišji delež povezav v CIAS-R negativna mreža vključuje "čelno - možgansko" in "izola in cingulat - temporalni" robovi (Slika Slika44). V nedavno predlaganem modelu zasvojenosti (Moulton in sod., 2014), možganov pomaga ohranjati homeostazo štirih medsebojno povezanih vezij, ki so pomembne za odvisnost: nagrajevanje / strmost, motivacija / nagon, učenje / spomin in tudi kognitivni nadzor. Ta model vključuje model s štirimi vezji (Volkow et al., 2003, 2010) in omrežja možganskega funkcionalnega mirovanja, ki se nanašajo na izvršilno in asociativno obdelavo v možganski skorji (Buckner in sod., 2011). Sestavni deli za nagrajevanje / sposobnost, motivacijo / nagon in učenje / spomin so okrepljeni, kognitivni nadzor pa pri odvisnosti zmanjšan. Glej Slika Slika66 za ilustracijo. Naša opažanja najvišjih razmerij funkcionalne povezljivosti obeh mrež nagnjenosti k odvisnosti od interneta so na splošno združljiva Moulton in drugi (2014) model kritičnih komponent, vključenih v vezje odvisnosti. Prav tako nismo opazili veliko pomembnih povezav, ki so sestavljale okcipitalni reženj, ki je prav tako podvezen Hong in drugi (2013) ugotovitve. Poleg tega smo poleg tega našli velik delež "podkortičnih - parietalnih" robov, ki sicer niso posebej poudarjeni v štirikrožnem modelu, vendar so te povezave opazili v literaturi o odvisnosti od interneta (npr. Ding in sod., 2013; Hong in sod., 2013, 2015), kar bi lahko nastalo zaradi učinka prakse v zvezi z uporabo interneta.

SLIKA 6

Model zasvojenosti, ki poudarja modulacijsko vlogo možganov v štirih glavnih možganskih mrežah, za katere je predvideno, da jih bo zasvojenost (prirejeno iz Moulton in sod., 2014). Ti sklopi vključujejo nagrajevanje / izrazitost, motivacijo / nagon, učenje / spomin, ...

Kritična vozlišča, spremenjena s težnjo po odvisnosti od interneta

Ugotovili smo, da so vozlišča z največ povezavami maksimalno povezana s težnjo po zasvojenosti z internetom. Ta vozlišča so tista, katerih vzorec povezav med samim vozliščem in drugimi možganskimi regijami je najbolj dovzeten za spremembe zaradi nagnjenosti z internetom. Območja so posebej dvostranski zadnjični cingulatni gyrus, desna insula, desni srednji temporalni gyrus, levi nadrejeni časovni pol, desni putamen in orbitalni del leve IFG (Slika Slika55). Te regije so bile v mnogih (internet) raziskavah odvisnosti vključene kot ključne regije, nekatere pa so bile že omenjene v prejšnjem razdelku. Zdaj razpravljamo o literaturi o odvisnosti, ki podrobneje poudarja te regije. PCC, del omrežja privzetega načina in vključen v različne vidike samoobdelave (Buckner in sod., 2008; Fransson in Marrelec, 2008), služil kot semenska regija v Ding in drugi (2013) raziskava, ki je pokazala znatno povečano funkcionalno povezanost z dvostranskim zadnjim repom in srednjim temporalnim girusom, medtem ko se je pri odvisnikih od spletnih iger zmanjšal dvostranski manjši parietalni lobuli in desni inferiorni temporalni gyrus. Ugotovljeno je bilo tudi, da zasvojenci z internetom kažejo nenormalno frakcijsko anizotropijo (Dong in sod., 2012b) in gostota sive snovi (Zhou et al., 2011) v PCC. Zhang in sod. (2015) izbral izolo, ki je bila vpletena v odvisnost (Naqvi in Bechara, 2009; Droutman in sod., 2015) kot semensko območje in našla spremenjeno funkcionalno povezanost z mrežo regij pri spletnih odvisnikih. Predlagana je vloga insule pri odvisnosti za vključevanje interoceptivnih signalov v zavestna čustva (nagoni zaradi drog) in pristransko vedenje med odločanjem (Naqvi in Bechara, 2009). V nekaterih študijah zasvojenosti z internetom so opazili srednji časovni girus in vrhunski temporalni pol (glej Meng in sod., 2015 za metaanalizo) in so bile povezane z nagonom / hrepenenjem v igri, semantično obdelavo, onesposobljenostjo, delovnim spominom in čustveno obdelavo; vendar njihove posebne vloge pri zasvojenosti zahtevajo dodatne preiskave. Kazmenje, ki je del dorzalnega striatuma, je tudi kritično območje, ki ga predlagajo številne raziskave odvisnosti (npr. Ko et al., 2009; Ding in sod., 2013; Lin et al., 2015), pri katerem sočasno nevrotransmisija dopamina sodeluje pri razvoju kompulzivnega iskanja drog in hrepenenja (Volkow et al., 2006; Koob in Volkow, 2010). Poleg tega raziskave kažejo, da je disfunkcija s striatotalamo-orbitofrontalnim vezjem ključni vzrok zasvojenosti, medtem ko je dorzalni striatum, ki sodeluje pri učenju navad in hrepenenja, orbitofrontalna skorja vključen v drsenje, vožnjo in kompulzivnost (Volkow in Fowler, 2000; Koob in Volkow, 2010; Volkow et al., 2010; Goldstein in Volkow, 2011). Nenormalno delovanje orbitofrontalne skorje bi lahko razložilo vedenjske motnje v odvisnosti. Če povzamemo zgoraj, so vozlišča, ki smo jih identificirali, vozlišča, ki so zaradi nagnjenosti po zasvojenosti z internetom najbolj dovzetna za spremembe in so bila v obstoječi literaturi večkrat prepoznana.

Omejitev

Kot je poudaril eden od naših pregledovalcev, ali naj se globalna regresija signala izvede v fMRI v mirovanju, še vedno ostaja aktualna razprava. Po ponovni analizi sedanjih podatkov brez globalne regresije signala so se naši rezultati izkazali precej drugačne v primerjavi z našo prvotno analizo in le 22.91% robov, ki jih najdemo v analizah NBS, se brez globalne regresije signala prekriva z našimi trenutnimi rezultati. Brez globalne regresije signala nismo našli dovolj funkcionalnih povezav, ki bi bile pozitivno povezane z rezultati CIAS-R; vendar smo našli mrežo, sestavljeno iz funkcionalnih povezav, ki so bile negativno povezane s CIAS-R rezultati. Ko identificiramo vozlišča z največ povezavami, ki so maksimalno povezana s težnjo po zasvojenosti z internetom, najdemo skladnost z globalno regresijsko analizo signala v tem, da so najbolj sodelovala cingulata, izola, časovna in čelna območja. Vendar pa več razlik vključuje dodatno ugotovitev dvostranskih dopolnilnih motoričnih območij in desnega kotnega giusa, ki kažejo zmanjšano funkcionalno povezanost, v identificiranem omrežju pa ni bilo toliko podkortičnih regij. Medtem ko globalna regresija signala še vedno ostaja sporna, smo se odločili, da poročamo o obeh rezultatih. Podrobnosti o omrežju, ugotovljeno brez globalne regresije signala, so dokumentirane v Dopolnilnih materialih 3. Upajmo, da bo prihodnje delo pri predobdelavi slike osvetlilo rezultate, ki so bolj natančni. Ta trenutek predlagamo, da trenutne rezultate razlagamo s takimi opozorili.

zaključek

Z uporabo pristopa, ki temelji na podatkih, smo pokazali, da je statistika, ki temelji na omrežju, koristno orodje za karakterizacijo povezljivosti celotnih možganov, na katere vpliva internetna zasvojenost, prepoznavanje povezav in kritičnih regij, ki odmevajo v prejšnjih študijah. V primerjavi s semenskimi analizami ta celoten možganski pristop zagotavlja bolj celovito analizo možganskih povezav, povezanih z internetno zasvojenostjo, in preučuje skupno 6670 povezav. Nadalje smo pokazali, da so številne funkcionalne povezave in možganske regije, ki so kritične v kliničnih primerih zasvojenosti, povezane tudi s predkliničnimi težnjami, indeksiranimi z vedenjskimi vprašalniki. Čeprav uporabljamo korelacijski pristop, ne moremo biti prepričani, ali so ta omrežja spremenjena kot posledica uporabe interneta ali so značilnosti ljudi, ki so nagnjeni k večjemu tveganju za razvoj odvisnosti od interneta, pa ta raziskava ponuja koristne informacije, ki nam pomagajo razumeti nevronsko značilnosti, na katerih temelji odvisnost in njen razvoj.

Prispevki avtorjev

TW je izvedel eksperiment, analiziral podatke, interpretiral rezultate, napisal in revidiral rokopis. SH je zasnoval eksperiment, napisal predlog donacije, usmeril pripravo in izvedbo eksperimenta, pomagal pri interpretaciji podatkov, pripravi in reviziji rokopisa.

Izjava o konfliktu interesov

Avtorji izjavljajo, da je bila raziskava izvedena v odsotnosti komercialnih ali finančnih odnosov, ki bi se lahko razumeli kot potencialno navzkrižje interesov.

Priznanja

Avtorji so Yun-Ting Leeju hvaležni za pomoč pri zbiranju podatkov in profesorju Po-Hsien Huang za statistično posvetovanje. Študijo je financiralo Ministrstvo za znanost in tehnologijo (MOST), Tajvan (MOST 102-2420-H-006-006-MY2 in MOST 104-2420-H-006-004-MY2). Poleg tega je to raziskavo deloma podprlo tudi Ministrstvo za šolstvo (MO), Tajvan, ROC Cilj za najboljši univerzitetni projekt na Nacionalni univerzi Cheng Kung (NCKU). Zahvaljujemo se raziskovalnemu in slikovnemu centru Mind (MRIC), ki ga podpira MOST, pri NCKU za posvetovanje in razpoložljivost instrumentov. Vprašalnik CIAS-R je predložil Sue-Huei Chen.

Opombe

¹http://www.mricro.com

²http://www.fil.ion.ucl.ac.uk/spm

Dodatni material

Dodatno gradivo za ta članek lahko najdete na spletni strani: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Kliknite tukaj za dodatne podatkovne datoteke.^{(20K, DOCX)}

Kliknite tukaj za dodatne podatkovne datoteke.^{(33K, DOCX)}

Kliknite tukaj za dodatne podatkovne datoteke.^{(258K, DOCX)}

Reference

Ameriško psihiatrično združenje [APA] (2013). Diagnostični in statistični priročnik o duševnih motnjah (DSM-5^®). Arlington, VA: Ameriški psihiatrični pub.
Aron AR, Robbins TW, Poldrack RA (2004). Inhibicija in desna inferiorna čelna skorja. Trendi Cogn. Sci. 8 170 – 177. 10.1016 / j.tics.2004.02.010 [PubMed] [Cross Ref]
Bavelier D., Achtman RL, Mani M., Focker J. (2012). Nevronske baze selektivne pozornosti pri akcijskih predvajalnikih video iger. Vis. Res. 61 132 – 143. 10.1016 / j.visres.2011.08.007 [PMC brez članka] [PubMed] [Cross Ref]
Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, et al. (2010). Nauka o odkrivanju človekovih možganskih funkcij Proc. Natl. Acad. Sci. ZDA 107 4734 – 4739. 10.1073 / pnas.0911855107 [PMC brez članka] [PubMed] [Cross Ref]
Blagovna znamka M., Young KS, Laier C. (2014). Predfrontalni nadzor in odvisnost od interneta: teoretični model in pregled nevropsiholoških in nevrovizijskih ugotovitev. Spredaj. Hum. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [PMC brez članka] [PubMed] [Cross Ref]
Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Privzeto omrežje možganov - anatomija, delovanje in pomen bolezni. Leto spoznav. Nevrosci. 2008 1 – 38. 10.1196 / annals.1440.011 [PubMed] [Cross Ref]
Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). Organizacija človeškega možganov je ocenjena z lastno funkcionalno povezanostjo. J. Neurophysiol. 106 2322 – 2345. 10.1152 / jn.00339.2011 [PMC brez članka] [PubMed] [Cross Ref]
Castel AD, Pratt J., Drummond E. (2005). Učinki izkušenj akcijskih video iger na časovni potek zaviranja vračanja in učinkovitost vizualnega iskanja. Acta psihohol. 119 217 – 230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Cross Ref]
Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF in sod. (2015). Možganski korelati zaviranja odzivanja na motnjo spletnih iger. Klinika za psihiatrijo. Nevrosci. 69 201 – 209. 10.1111 / pcn.12224 [PubMed] [Cross Ref]
Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Razvoj kitajske lestvice odvisnosti od interneta in njena psihometrična študija. Brada. J. Psihola. 45 251 – 266. 10.1371 / journal.pone.0098312 [Cross Ref]
Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A. et al. (2013). Snemanje človeških konekomomov na makroskali. Nat. Metode 10 524 – 539. 10.1038 / Nmeth.2482 [PMC brez članka] [PubMed] [Cross Ref]
Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG idr. (2014). Značilnost impulzivnosti in oslabljeno delovanje predfrontalnega zaviranja impulzov pri mladostnikih z zasvojenostjo z internetnimi igrami je pokazala raziskava Go / No-Go fMRI. Behav. Funkcija možganov. 10:20 10.1186/1744-9081-10-20 [PMC brez članka] [PubMed] [Cross Ref]
Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR in sod. (2013). Spremenjena privzeta funkcionalna povezljivost omrežja v mirovanju pri mladostnikih z zasvojenostjo z internetnimi igrami. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [PMC brez članka] [PubMed] [Cross Ref]
Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Moten nadzor zaviranja pri 'motnji zasvojenosti z internetom': študija funkcionalne magnetne resonance. Psihiatrija Res. Nevro slikanje 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [PMC brez članka] [PubMed] [Cross Ref]
Dong GH, DeVito E., Huang J., Du XX (2012b). Difuzijsko slikanje tenzorja odkrije nepravilnosti talama in posteriorne cingulate v odvisnikih od spletnih iger. J. Psychiatr. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [PMC brez članka] [PubMed] [Cross Ref]
Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Neuravnotežena funkcionalna povezava med izvršnim nadzornim omrežjem in omrežjem nagrad razlaga spletno igro, ki išče vedenje pri motnjah internetnih iger. Sci. Rep. 5: 9197 10.1038 / Srep09197 [PMC brez članka] [PubMed] [Cross Ref]
Dong GH, Lin X., Potenza MN (2015b). Zmanjšana funkcionalna povezljivost v nadzornem omrežju izvajalcev je povezana z oslabljeno izvršilno funkcijo pri motnjah internetnih iger. Prog. Neuro-Psychopharmacol. Biol. Psihiatrija 57 76 – 85. 10.1016 / j.pnpbp.2014.10.012 [PMC brez članka] [PubMed] [Cross Ref]
Dong GH, Lin X., Zhou HL, Lu QL (2014). Kognitivna fleksibilnost pri odvisnikih od interneta: dokazi fMRI iz preklapljajočih se situacij, ki jih je težko in enostavno in enostavno. Addict. Behav. 39 677 – 683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Cross Ref]
Dong GH, Shen Y., Huang J., Du XX (2013). Motena funkcija spremljanja napak pri ljudeh z motnjo zasvojenosti z internetom: študija fMRI, povezana z dogodki. EUR. Addict. Res. 19 269 – 275. 10.1159 / 000346783 [PubMed] [Cross Ref]
Droutman V., Preberi SJ, Bechara A. (2015). Ponovni pregled vloge insule v odvisnosti. Trendi Cogn. Sci. 19 414 – 420. 10.1016 / j.tics.2015.05.005 [PMC brez članka] [PubMed] [Cross Ref]
Barva MWG, Green CS, Bavelier D. (2009). Povečanje hitrosti obdelave z akcijskimi video igrami. Curr. Dir. Psihol. Sci. 18 321 – 326. 10.1111 / j.1467-8721.2009.01660.x [PMC brez članka] [PubMed] [Cross Ref]
Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X. et al. (2014). Motnje funkcionalnih omrežij pri disleksiji: celostni možgani, na podlagi podatkov povezana povezanost. Biol. Psihiatrija 76 397 – 404. 10.1016 / j.biopsych.2013.08.031 [PMC brez članka] [PubMed] [Cross Ref]
Fornito A., Bullmore ET (2015). Connectomics: nova paradigma za razumevanje bolezni možganov. EUR. Neuropsihofarmakol. 25 733 – 748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Cross Ref]
Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Splošne in specifične motnje funkcionalne povezanosti pri shizofreniji prve epizode med uspešnostjo kognitivne kontrole. Biol. Psihiatrija 70 64 – 72. 10.1016 / j.biopsych.2011.02.019 [PMC brez članka] [PubMed] [Cross Ref]
Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008). Nevronski mehanizmi, časovna dinamika in posamezne razlike v nadzoru motenj. J. Cogn. Nevrosci. 20 1854 – 1865. 10.1162 / jocn.2008.20122 [PubMed] [Cross Ref]
Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Globalni signal in opazovane možganske mreže v mirovanju. J. Neurophysiol. 101 3270 – 3283. 10.1152 / jn.90777.2008 [PMC brez članka] [PubMed] [Cross Ref]
Fransson P., Marrelec G. (2008). Prekuneusna / posteriorna cingulatna skorja igra osrednjo vlogo v privzetem načinu omrežja: dokazi iz delne analize korelacijske mreže. Neuroimage 42 1178 – 1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Cross Ref]
Goldstein RZ, Volkow ND (2011). Disfunkcija predfrontalne skorje pri odvisnosti: ugotovitve nevrografiranja in klinične posledice. Nat. Rev. Neurosci. 12 652 – 669. 10.1038 / nrn3119 [PMC brez članka] [PubMed] [Cross Ref]
Green CS, Bavelier D. (2003). Akcijska video igra spreminja vizualno selektivno pozornost. Narava 423 534 – 537. 10.1038 / narava01647 [PubMed] [Cross Ref]
Green CS, Pouget A., Bavelier D. (2010). Izboljšano verjetnostno sklepanje kot splošni učni mehanizem z akcijskimi video igrami. Curr. Biol. 20 1573 – 1579. 10.1016 / j.cub.2010.07.040 [PMC brez članka] [PubMed] [Cross Ref]
Green CS, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). Vpliv izkušenj akcijskih video iger na preklapljanje opravil. Comput. Hum. Behav. 28 984 – 994. 10.1016 / j.chb.2011.12.020 [PMC brez članka] [PubMed] [Cross Ref]
Griffiths MD, Pontes HM (2014). Motnja zasvojenosti z internetom in motnja spletnih iger nista enaka. J. Addict. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Cross Ref]
Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Statistični podatki o povezovanju možganov na podlagi grozda v povezavi z vedenjskimi ukrepi. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [PMC brez članka] [PubMed] [Cross Ref]
Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010). Spremembe v iztočnicah povzročenih aktivnosti predfrontalne skorje z igranjem video iger. Cyberpsychol. Behav. Soc. Netw. 13 655 – 661. 10.1089 / cyber.2009.0327 [PubMed] [Cross Ref]
Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Razlike med spoloma v mezokortikolimbičnem sistemu med igranjem računalniških iger. J. Psychiatr. Res. 42 253 – 258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Cross Ref]
Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH in sod. (2015). Selektivna vključenost možne funkcionalne povezanosti pri mladostnikih z motnjo spletnih iger. Brain Res. 1602 85 – 95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Cross Ref]
Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH in sod. (2013). Zmanjšana funkcionalna povezanost možganov pri mladostnikih z odvisnostjo od interneta. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [PMC brez članka] [PubMed] [Cross Ref]
Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., et al. (2014). Problematična uporaba interneta in problematično spletno igranje nista enaka: ugotovitve velikega nacionalno reprezentativnega vzorca mladostnikov. Cyberpsychol. Behav. Soc. Netw. 17 749 – 754. 10.1089 / cyber.2014.0475 [PMC brez članka] [PubMed] [Cross Ref]
Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY in sod. (2014). Spremenjena možganska aktivacija med zaviranjem odziva in obdelavo napak pri osebah z motnjo internetnih iger: funkcionalna študija magnetnega slikanja. EUR. Arh. Klinika za psihiatrijo. Nevrosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Cross Ref]
Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS in sod. (2015). Spremenjena gostota sive snovi in motena funkcionalna povezanost amigdale pri odraslih z motnjo internetnih iger. Prog. Neuro-Psychopharmacol. Biol. Psihiatrija 57 185 – 192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Cross Ref]
Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, idr. (2009). Možganske dejavnosti, povezane z igrami nagon zasvojenosti s spletnimi igrami. J. Psychiatr. Res. 43 739 – 747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Cross Ref]
Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Možganski korelati hrepenenja po spletnih igrah pod izpostavljenostjo iztočnic pri osebah z odvisnostjo od spletnih iger in pri prepuščenih osebah. Addict. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Cross Ref]
Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Preiskava za zasvojenost z internetom: empirična študija o presečnih točkah za lestvico odvisnosti od Chen. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Cross Ref]
Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L. in sod. (2014). Posamezne razlike v impulzivnosti napovedujejo gibanje glave med slikanjem z magnetno resonanco. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [PMC brez članka] [PubMed] [Cross Ref]
Koob GF, Volkow ND (2010). Nevrocircuitry odvisnosti. Neuropsychopharmacology 35 217 – 238. 10.1038 / npp.2009.110 [PMC brez članka] [PubMed] [Cross Ref]
Kühn S., Gallinat J. (2015). Možgani na spletu: strukturni in funkcionalni korelati običajne uporabe interneta. Addict. Biol. 20 415 – 422. 10.1111 / adb.12128 [PubMed] [Cross Ref]
Kuss DJ, Griffiths MD (2012). Odvisnost od spletnih iger na srečo: sistematičen pregled empiričnih raziskav. Int. J. odvisnik od duševnega zdravja. 10 278–296. 10.1007/s11469-011-9318-5 [Cross Ref]
Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL in sod. (2014). Oslabljena čelno-bazalna ganglijska povezanost pri mladostnikih z zasvojenostjo z internetom. Sci. Rep. 4: 5027 10.1038 / Srep05027 [PMC brez članka] [PubMed] [Cross Ref]
Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, et al. (2015). Možganske strukture in funkcionalna povezanost, povezane s posameznimi razlikami v internetni nagnjenosti pri zdravih mladih odraslih. Neuropsychologia 70 134 – 144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Cross Ref]
Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR in sod. (2015). Aberantna kortikostriatalna funkcionalna vezja pri mladostnikih z motnjo zasvojenosti z internetom. Spredaj. Hum. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [PMC brez članka] [PubMed] [Cross Ref]
Lin MP, Ko HC, Wu JYW (2011). Razširjenost in psihosocialni dejavniki tveganja, povezani z odvisnostjo od interneta, v nacionalno reprezentativnem vzorcu študentov v Tajvanu. Kiberpsihol. Behav. Soci. Netw. 14 741 – 746. 10.1089 / cyber.2010.0574 [PubMed] [Cross Ref]
Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A. et al. (2013). Cue reaktivnost in njena inhibicija pri patoloških igralcih računalniških iger. Addict. Biol. 18 134 – 146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Cross Ref]
Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). Predfrontalna disfunkcija pri posameznikih z motnjo spletnih iger: metaanaliza funkcionalnih študij slikanja z magnetno resonanco. Addict. Biol. 20 799 – 808. 10.1111 / adb.12154 [PubMed] [Cross Ref]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Vretenca in zasvojenost: vpogledi, pridobljeni z nevro-slikanjem raziskav. Addict. Biol. 19 317 – 331. 10.1111 / adb.12101 [PMC brez članka] [PubMed] [Cross Ref]
Naqvi NH, Bechara A. (2009). Skriti otok odvisnosti: insula. Trendi Neurosci. 32 56 – 67. 10.1016 / j.tins.2008.09.009 [PMC brez članka] [PubMed] [Cross Ref]
Nichols TE, Holmes AP (2002). Neparametrični testi permutacije za funkcionalno slikanje nevrografij: primer s primeri. Hum. Brain Mapp. 15 1 – 25. 10.1002 / hbm.1058 [PubMed] [Cross Ref]
OReilly M. (1996). Zasvojenost z internetom: nova motnja vstopa v medicinski leksikon. Lahko. Med. Pridruž. J. 154 1882 – 1883. [PMC brez članka] [PubMed]
Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Ali so možgani, odvisni od internetnih iger, blizu patološkega stanja? Addict. Biol. [Epub pred tiskom] .10.1111 / adb.12282 [PubMed] [Cross Ref]
Petry NM, O'Brien CP (2013). Motnja internetnega igranja in DSM-5. Odvisnost 108 1186 – 1187. 10.1111 / dodaj.12162 [PubMed] [Cross Ref]
Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T., et al. (2014). Mednarodno soglasje za oceno motnje spletnih iger z novim pristopom DSM-5. Odvisnost 109 1399 – 1406. 10.1111 / dodaj.12457 [PubMed] [Cross Ref]
Rorden C., Karnath HO, Bonilha L. (2007). Izboljšanje kartiranja simptomov lezije J. Cogn. Nevrosci. 19 1081 – 1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Cross Ref]
Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A., et al. (2012). Težave v mirovanju: kako se po regresiji globalnega signala izkrivljajo korelacijski vzorci in razlike v skupinah. Brain Connect. 2 25 – 32. 10.1089 / možgani.2012.0080 [PMC brez članka] [PubMed] [Cross Ref]
Song XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ in sod. (2011). REST: orodje za obdelavo slik s funkcijo magnetne resonance v mirovanju. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [PMC brez članka] [PubMed] [Cross Ref]
Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Določitev vozlišč v zapletenih možganskih omrežjih. Spredaj. Računalništvo. Nevrosci. 7: 169 10.3389 / fncom.2013.00169 [PMC brez članka] [PubMed] [Cross Ref]
Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L. in sod. (2012). Brain fMRI študija hrepenenja, ki jo sprožijo slike iztočnic pri spletnih igrah odvisnikov (moški mladostniki). Behav. Brain Res. 233 563 – 576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Cross Ref]
Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y. et al. (2014). Povezava med funkcionalnim povezovanjem v stanju počitka in empatijo / sistematizacijo. Neuroimage 99 312 – 322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Cross Ref]
Talati A., Hirsch J. (2005). Funkcionalna specializacija v medialnem čelnem girusu za zaznavne odločitve o go / ne-go na podlagi povezanih informacij "kaj", "kdaj" in "kje": študija fMRI. J. Cogn. Nevrosci. 17 981 – 993. 10.1162 / 0898929054475226 [PubMed] [Cross Ref]
Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N. in sod. (2002). Avtomatsko anatomsko označevanje aktivacij v SPM z uporabo makroskopske anatomske parcelacije možganov MNI MRI z enim subjektom. Neuroimage 15 273 – 289. 10.1006 / nimg.2001.0978 [PubMed] [Cross Ref]
van den Heuvel MP, Pol HEH (2010). Raziskovanje možganske mreže: pregled funkcionalne povezljivosti fMRI v mirovanju. EUR. Neuropsihofarmakol. 20 519 – 534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Cross Ref]
Volkow ND, Fowler JS (2000). Zasvojenost, bolezen prisile in vožnje: vpletenost orbitofrontalne skorje. Cereb. Cortex 10 318 – 325. 10.1093 / cercor / 10.3.318 [PubMed] [Cross Ref]
Volkow ND, Fowler JS, Wang GJ (2003). Človeški možgani zasvojeni: vpogledi v slikovne študije. J. Clin. Raziščite 111 1444 – 1451. 10.1172 / Jci200318533 [PMC brez članka] [PubMed] [Cross Ref]
Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Zasvojenost: zmanjšana občutljivost za nagrado in povečana občutljivost pričakovanja zarotata za nadzor nad možganskim krmilnim vezjem. Bioeseje 32 748 – 755. 10.1002 / bies.201000042 [PMC brez članka] [PubMed] [Cross Ref]
Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR in sod. (2006). Znaki kokaina in dopamina v dorzalnem striatumu: mehanizem hrepenenja v odvisnosti od kokaina. J. Neurosci. 26 6583 – 6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Cross Ref]
Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN in sod. (2015). Zmanjšana interhemisferična funkcionalna povezanost predfrontalnega režnja pri mladostnikih z motnjo spletnih iger: primarna študija z uporabo fMRI v mirovanju. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [PMC brez članka] [PubMed] [Cross Ref]
Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., et al. (2014). Motena funkcionalna mreža možganov pri motnji zasvojenosti z internetom: študija slikanja s funkcijskim slikanjem magnetne resonance v stanju počitka. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [PMC brez članka] [PubMed] [Cross Ref]
Weissenbacher A., Kasess C., Gerstl F., Lanzenberger R., Moser E., Windischberger C. (2009). Korelacije in antikorelacije v MRI MRI: kvantitativna primerjava strategij predobdelave. Neuroimage 47 1408 – 1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Cross Ref]
Xia M., Wang J., He Y. (2013). BrainNet Viewer: orodje za vizualizacijo omrežja za človeško možgansko povezavo. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [PMC brez članka] [PubMed] [Cross Ref]
Yan C., Zang Y. (2010). DPARSF: zbirka orodij MATLAB za analizo podatkov v cevovodu fMRI v stanju mirovanja. Spredaj. Syst. Nevrosci. 4: 13 10.3389 / fnsys.2010.00013 [PMC brez članka] [PubMed] [Cross Ref]
Yarkoni T., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Obsežna avtomatizirana sinteza podatkov o funkcionalnem nevrografiranju pri ljudeh. Nat. Metode 8 665 – 670. 10.1038 / nmeth.1635 [PMC brez članka] [PubMed] [Cross Ref]
Yeo BTT, Krienen FM, Sepulcre J., Sabuncu MR, Lashkari D., Hollinshead M., et al. (2011). Organizacija možganske možganske skorje ocenjena z lastno funkcionalno povezanostjo. J. Neurophysiol. 106 1125 – 1165. 10.1152 / jn.00338.2011 [PMC brez članka] [PubMed] [Cross Ref]
Mlada KS (1998). Zasvojenost z internetom: pojav nove klinične motnje. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Cross Ref]
Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C. et al. (2015). Interakcije glavnih možganskih omrežij in kognitivni nadzor pri ljudeh z motnjami spletnih iger v pozni adolescenci / zgodnji odrasli dobi. Struktura možganov. Funct. [Epub pred tiskom] .10.1007 / s00429-014-0982-7 [PubMed] [Cross Ref]
Zalesky A., Fornito A., Bullmore ET (2010a). Mrežna statistika: ugotavljanje razlik v možganskih omrežjih. Neuroimage 53 1197 – 1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Cross Ref]
Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C. et al. (2010b). Anatomska omrežja z vsemi možgani: ali je izbira vozlišč pomembna? Neuroimage 50 970 – 983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Cross Ref]
Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L. in sod. (2015). Spremenjena funkcionalna povezljivost izola pri mladih odraslih z motnjo internetnega igranja. Addict. Biol. [Epub pred tiskom] .10.1111 / adb.12247 [PMC brez članka] [PubMed] [Cross Ref]
Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR in sod. (2011). Nenormalnosti sive snovi v odvisnosti od interneta: študija morfometrije na osnovi vokselov. EUR. J. Radiol. 79 92 – 95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Cross Ref]