Amplitude av lågfrekventa fluktuationsavvikelser hos ungdomar med onlinespelavgift (2013)

PLoS One. 2013 Nov 4;8(11):e78708.

doi: 10.1371 / journal.pone.0078708. eCollection 2013.

Yuan K1, Jin C, Cheng P, Yang X, Dong T, Bi Y, Xing L, von Deneen KM, Yu D, Liu J, Liang J, Cheng T, Qin W, Tian J.

Abstrakt

Majoriteten av tidigare neuroimagingstudier har visat både strukturella och uppgiftsrelaterade funktionella abnormiteter hos ungdomar med onlinespelmissbruk (OGA). Men få studier av funktionell magnetisk resonanstomografi (fMRI) fokuserade på den regionala intensiteten av spontana fluktuationer i blodets syrenivåberoende (BOLD) under vilotillståndet och färre studier undersökte sambandet mellan de onormala egenskaperna i vilotillståndet och den försämrade kognitiva kontrollen förmåga. I den aktuella studien använde vi amplituden av lågfrekvent fluktuation (ALFF) metod för att utforska de lokala egenskaperna hos spontan hjärnaktivitet hos ungdomar med OGA och friska kontroller under vilotillstånd. Arton ungdomar med OGA och 18 friska frivilliga i ålders-, utbildnings- och könsmatchade deltog i denna studie. Jämfört med friska kontroller, visade ungdomar med OGA en signifikant ökning av ALFF-värden i den vänstra mediala orbitofrontala cortex (OFC), den vänstra precuneus, den vänstra kompletterande motoriska delen (SMA), den högra parahippocampus gyrus (PHG) och den bilaterala mellersta cingulate cortex (MCC). Avvikelserna i dessa regioner upptäcktes också i tidigare missbruksstudier. Ännu viktigare fann vi att ALFF-värdena för vänster mediala OFC och vänster precuneus var positivt korrelerade med varaktigheten av OGA hos ungdomar med OGA. ALFF-värdena för den vänstra mediala OFC var också korrelerade med färgordets Stroop-testprestanda. Våra resultat antydde att den onormala spontana neuronala aktiviteten i dessa regioner kan vara inblandad i den underliggande patofysiologin för OGA.

Beskrivning

Onlinespelberoende (OGA) definieras som en missanpassad användning av Internet och oförmågan hos en individ att kontrollera sin användning av Internet, vilket har klassificerats som en typ av impulskontrollstörning [1]-[3]. Data från China Youth Internet Association (tillkännagivande den 2 februari 2010) visade att förekomsten av OGA bland kinesiska urbana ungdomar är cirka 14 %. Som ett av de vanligaste psykiska hälsoproblemen bland kinesiska ungdomar har OGA förknippats med försämring av individens psykologiska välbefinnande, akademiska misslyckanden och minskad arbetsprestation [4], som för närvarande blir ett mer och mer allvarligt hälsoproblem hos ungdomar runt om i världen [5], [6]. Även om OGA ännu inte är officiellt kodifierad inom en psykopatologisk ram, har många studier av OGA-ungdomar avslöjat strukturella och funktionella abnormiteter i den orbitofrontala cortex (OFC), kompletterande motoriska området (SMA), cingulate cortex, parahippocampal gyrus (PHG), dorsolateral prefrontal cortex (DLPFC), precuneus, temporal gyrus, insula och cerebellum [1], [2] Avvikelser i dessa regioner har associerats med missbruk av ett flertal beroendestudier [7], och kan associeras med dysfunktioner i kognitiv kontroll, exekutiva kontroll, begär, belöningskänslighet, målriktat beteende och arbetsminne hos OGA-ungdomar [1].

Även om OGA orsakar individuell och social börda, finns det för närvarande ingen standardiserad behandling för OGA [8]. Kliniker i Kina har implementerat reglerade tidtabeller, strikt disciplin och behandling av elektriska stötar och blivit känd för dessa behandlingsmetoder [4]. Att utveckla effektiva metoder för intervention och behandling av OGA kommer att kräva att man etablerar en tydlig förståelse av mekanismerna bakom detta tillstånd. Hittills har de flesta OGA-studier fokuserat på att upptäcka strukturella brister och uppgiftsrelaterade funktionsnedsättningar hos personer med OGA, vilket var till hjälp för att utvärdera neurala mekanismer bakom OGA. Men få studier har utvärderat den blodsyrenivåberoende (BOLD) signalförändringen av den regionala spontana aktiviteten av OGA under vilotillståndet. Som ett icke-invasivt tillvägagångssätt har funktionell magnetisk resonanstomografi i vilotillstånd (fMRI) använts för att undersöka spontana lågfrekventa fluktuationer (LFF) i FET-signaler, vilket undviker prestationsrelaterade förvirringar och kan reflektera spontan neural aktivitet i hjärnan [9], [10]. Vidare har fMRI-metoden i vilotillstånd använts i stor utsträckning för att avslöja hjärnans inneboende typiska och atypiska funktionella arkitektur. [10]. Den onormala neuronala aktiviteten under vilotillstånd kan fungera som en adekvat markör för att återspegla framstegen och försämrad exekutiv funktion hos flera hjärnsjukdomar.

Nyligen har Liu et al. använde den regionala homogenitetsmetoden (ReHo) och fann att personer med OGA visade en signifikant ökning av ReHo-värden i höger cingulat gyrus, bilateral parahippocampus, vänster precuneus och vänster superior frontal gyrus [11]. ReHo-metoden återspeglar den tidsmässiga homogeniteten hos regionala LFF oavsett intensiteterna och är baserad på hypotesen att rumsligt närliggande voxels bör ha liknande tidsmönster [12]. Även om amplituden för LFF (ALFF) tros vara associerad med lokal neuronal aktivitet, är grunden för ALFF-förändringar i OGA fortfarande oklar [13]. Dessutom har Liu et al. [11] undersökte inte sambandet mellan onormala vilotillståndsegenskaper och varaktigheten av OGA. För att ytterligare undersöka vilotillståndsavvikelserna hos OGA-ungdomar användes ALFF-metoden i den aktuella studien och data om varaktigheten av OGA samlades in. Vidare har forskare upptäckt nedsatt kognitiv kontrollförmåga hos ungdomar med OGA med hjälp av en färg-ord Stroop-uppgift [14], [15]. Därför var beteendebedömningen i den här studien prestandan på färgordet Stroop-uppgift. Kopplingen av neuroavbildningsfynd till väldefinierade beteendeindex som är kända för att påverkas i OGA skulle vara ytterligare ett index på betydelsen av dessa fynd för OGA.

Material och metoder

Alla forskningsprocedurer godkändes av West China Hospital Subcommittee on Human Studies och utfördes i enlighet med Helsingforsdeklarationen. Alla deltagare och deras vårdnadshavare i vår studie gav skriftligt informerat samtycke.

Ämnen

Enligt den modifierade Young Diagnostic Questionnaire (YDQ) för OGA-kriterier av Beard and Wolf [8], [16], tjugo studenter med OGA-voren filtrerades bort från 165 freshman och sophomore studenter. Arton ungdomar med OGA (12 män, medelålder = 19.4±3.1 år, utbildning 13.4±2.5 år) deltog i vår studie genom att utesluta två vänsterhänta spelare. För att undersöka om det fanns några linjära förändringar i hjärnans struktur, uppskattades sjukdomens varaktighet via en retrospektiv diagnos. Vi bad försökspersonerna att komma ihåg sin livsstil när de till en början var beroende av sitt huvudsakligen onlinespel, det vill säga World of Warcraft (WOW). För att garantera att de led av OGA testade vi dem igen med YDQ-kriterierna modifierade av Beard and Wolf. Tillförlitligheten i självrapporterna från OGA-ämnena bekräftades också genom att prata med deras föräldrar via telefon samt rumskamrater och klasskamrater.

Arton ålders- och könsmatchade friska kontroller (12 män och 6 kvinnor, medelålder = 19.5±2.8 år, utbildning 13.3±2.0 år) utan personlig eller familjehistoria av psykiatriska störningar deltog också i vår studie. Enligt tidigare OGA-studier valde vi friska kontroller som spenderade mindre än 2 timmar per dag på Internet [4]. De friska kontrollerna testades också med YDQ-kriterierna modifierade av Beard och Wolf för att säkerställa att de inte led av OGA. Alla rekryterade deltagare som screenades var infödda högerhänta kineser och bedömdes genom en personlig självrapport och Edinburgh Handedness Questionnaire. Uteslutningskriterier för båda grupperna var 1) förekomsten av en neurologisk störning utvärderad av Structured Clinical Interview for the Diagnostic and Statistical Manual of Mental Disorders, fjärde upplagan (DSM-IV); 2) alkohol-, nikotin- eller drogmissbruk via urindrogscreening; 3) graviditet eller menstruation hos kvinnor; och 4) någon fysisk sjukdom såsom hjärntumör, hepatit eller epilepsi enligt bedömning enligt kliniska utvärderingar och medicinska journaler. Hamilton ångestskalan (HAMA) och Beck depression inventory-II (BDI) användes för att utvärdera de känslomässiga tillstånden hos alla deltagare under de föregående två veckorna. Mer detaljerad demografisk information ges i Tabell 1.

Tabell 1 

Ämnesdemografi för ungdomar med onlinespelmissbruk (OGA) och kontrollgrupper.

Insamling av beteendedata

Enligt en tidigare studie [17], implementerades färgordet Stroop-uppgiftsdesign med hjälp av programvaran E-prime 2.0 (http://www.pstnet.com/eprime.cfm). Denna uppgift använde en blockdesign med tre villkor, dvs kongruent, inkongruent och vila. Tre ord, Röd, Blå och Grön visades i tre färger (röd, blå och grön) som kongruenta och inkongruenta stimuli. Under vila visades ett kors i mitten av skärmen och försökspersonerna var tvungna att fästa blicken på detta kors utan att svara. Alla händelser programmerades i två körningar med olika sekvenser av kongruenta och inkongruenta block. Varje deltagare instruerades att svara på den visade färgen så snabbt som möjligt genom att trycka på en knapp på en Serial Response Box™ med höger hand. Knapptryckningar med pek-, lång- och ringfinger motsvarade rött, blått respektive grönt. Deltagarna testades individuellt i ett tyst rum när de var i ett lugnt sinnestillstånd. Efter den första praktiken samlades beteendedata in två eller tre dagar före MRT-skanning.

MRI-datainsamling

Alla fMRI-studier utfördes på en 3-T GE-skanner (EXCITE, GE Signa, Milwaukee, WI, USA) med användning av en standard spole för fågelbur som en åtta-kanals fasmatris huvudspole i Huaxi MR Research Center, Chengdu, Kina . Skumkuddarna användes för att minska huvudrörelser och skannerljud. Efter konventionell lokaliseringsskanning erhölls de T1-viktade bilderna med en bortskämd gradientåterställningssekvens (repetitionstid (TR) = 1900 ms; ekotid (TE) = 2.26 ms; flipvinkel (FA) = 9°; synfält ( FOV) = 256×256 mm2; datamatris = 256×256; skivor = 176; voxelstorlek = 1×1×1 mm3). Sedan förvärvades funktionella bilder i vilotillstånd med hjälp av en eko-planär avbildningssekvens (TR = 2000ms; TE = 30ms; FA = 90°; FOV = 240×240 mm2; datamatris = 64×64) med 32 axiella skivor (skivtjocklek = 5 mm och inget skivavstånd, totala volymer = 180) i en körning på sex minuter. Försökspersonerna instruerades att blunda, hålla sig stilla och att inte tänka på något systematiskt under skanningen. I slutet av datainsamlingen bekräftade alla försökspersoner att de förblev vakna under hela skanningsperioden.

Dataförbearbetning och ALFF-beräkning

All funktionell bildbehandling utfördes med Statistical Parametric Mapping (SPM5, http://www.fil.ion.ucl.ac.uk/spm) programvara och Data Processing Assistant för Resting-State fMRI (DPARSF) programvara [18]. För varje deltagare kasserades de första tio tidpunkterna för att undvika transienta signalförändringar innan magnetiseringen nådde steady-state och för att tillåta försökspersoner att vänja sig vid fMRI-skanningsmiljön. De återstående 170 hjärnvolymerna korrigerades för slice-timing och justerades om för korrigering av huvudrörelser. Inga försökspersoner hade huvudrörelser som översteg 1 mm rörelse eller 1° rotation i någon riktning. Sedan normaliserades alla de omjusterade bilderna rumsligt till Montreal Neurological Institute (MNI) EPI-mallen, omsamplades till 3 mm isotropa voxels och utjämnades sedan spatiellt (full bredd vid halva max = 8 mm). Efter det, genom att anropa funktioner i Resting-State fMRI Data Analysis Toolkit (REST, http://rest.restfmri.net), linjärtrendborttagning och bandpassfiltrering (0.01–0.08 Hz) för att minska effekterna av lågfrekvent drift och högfrekvent fysiologiskt brus [18] utfördes på tidsserien.

Efter förbearbetning utfördes ALFF-beräkningen med DPARSF genom att anropa funktioner i REST som i tidigare studier [19]. Först, för att erhålla effektspektrumet, transformerades den filtrerade tidsserien till frekvensdomänen med användning av en snabb Fourier-transform (FFT). Därefter erhölls kvadratroten av effektspektrumet för varje frekvensdatapunkt för att ge amplitud som en funktion av frekvensen. Dessa värden, i medeltal över 0.01–0.08 Hz vid varje voxel, användes som ALFF-värden. Följaktligen användes denna genomsnittliga kvadratrot som ALFF-värde. ALFF för varje voxel dividerades med det globala genomsnittliga ALFF-värdet inom helhjärnmasken för varje individ, vilket resulterade i en standardiserad ALFF för varje voxel som hade ett värde på cirka 1.

Statistisk analys

För att bedöma skillnaderna mellan OGA-gruppen och kontrollgruppen i ålder, kön, sjukdomslängd och utbildningsår, två urval t-tester utfördes med SPSS 13.0 och a p>0.05 bedömdes som obetydlig. För att undersöka vilka områden som hade ALFF-värden som skilde sig från värdet 1, ett ett urval t-test (p<0.05, familjemässigt fel (FWE) korrigerat) med SPM5 utfördes inom varje grupp. Sedan ett tvåprov t-test utfördes för att klargöra ALFF-skillnader mellan de två grupperna efter kontroll för ålder och kön. Korrigering för flera jämförelser utfördes med Monte Carlo-simuleringar. En korrigerad tröskel på p<0.05 härleddes från en kombinerad tröskel på p<0.005 för varje voxel och en minsta klusterstorlek på 351 mm3 (AlphaSim-program i AFNI-programvara, http:// afni.nimh.nih.gov/). För de hjärnregioner där OGA-patienter uppvisade onormala ALFF-egenskaper extraherades ALFF-värdena för varje region, medelvärdesberäknade och regresserade mot de patologiska indikatorerna som reflekterades av sjukdomens varaktighet och färgordets Stroop-uppdrag.

Resultat

Våra resultat visade att andelen OGA var cirka 12.1 % i vår lilla provundersökning. Enligt deras självrapportering av internetanvändning spenderade OGA-personerna 10.2±2.6 timmar per dag och 6.3±0.5 dagar per vecka på onlinespel. Ungdomar med OGA spenderade fler timmar per dag och fler dagar i veckan på Internet än kontrollerna (p<0.005) (Tabell 1).

Resultat av beteendedata

Båda grupperna visade en signifikant Stroop-effekt, där reaktionstiden var längre under det inkongruenta än det kongruenta tillståndet (OGA: 677.3±75.4 ms vs 581.2±71.6 ms och kontroller: 638.3±65.9 ms vs 549.0±50.6 ms; p<0.005). OGA-gruppen begick fler fel än kontrollgruppen under det inkongruenta tillståndet (8.56±4.77 vs 4.56±2.93; p<0.05), även om svarsfördröjningen mätt med reaktionstid (RT) under det inkongruenta tillståndet minus kongruenta förhållanden inte skilde sig signifikant mellan dessa två grupper (98.2±40.37 ms vs 91.92±45.87 ms; p > 0.05).

Resultat av bilddata

ALFF-kartorna för både OGA-gruppen och kontrollgruppen presenteras i Fig 1, och de två grupperna uppvisade båda signifikant högre ALFF-värden i posterior cingulate cortex (PCC)/precuneus, mediala prefrontala cortex (MPFC) och bilateral inferior parietallob (IPL) under vilotillståndet. Dessa regioner ingår till stor del i standardlägesnätverket i tidigare studier [19]. Ett tvåprov t-test som kontrollerade för ålder och kön och korrigerade för flera jämförelser (med Monte Carlo-simuleringar av den minsta klusterstorleken som gav ett korrigerat tröskelvärde på p<0.05 från ett okorrigerat tröskelvärde på p<0.005 för varje voxel) visade att OGA-gruppen visade signifikanta ökningar i ALFF-värden i vänster mediala OFC, vänster precuneus, vänster SMA, höger PHG och bilateral MCC jämfört med kontrollgruppen. Inga hjärnregioner med minskade ALFF-värden hittades. Dessutom observerades en signifikant positiv korrelation mellan varaktigheten av OGA och de standardiserade ALFF-värdena i den vänstra mediala OFC (r = 0.6627, p  = 0.0027) och vänster precuneus (r = 0.5924, p  = 0.0096) (Fig 2). ALFF-värdena för vänster OFC visade sig vara korrelerade med antalet svarsfel under det inkongruenta tillståndet bland ungdomar med OGA (r = 0.6690, p  = 0.0024) (Fig 3). Eftersom OGA-personerna hade signifikant högre depressionsvärden mätt med BDI, analyserade vi om de funktionella bilddata, med hjälp av BDI som en kovariat. De resulterande uppgifterna liknade de ursprungliga uppgifterna. Vi testade också om BDI-poängen korrelerade med ALFF-värdena för de onormala hjärnregionerna, varaktigheten av OGA och färgordets Stroop-uppdrag. Inga signifikanta resultat observerades dock.

Figur 1 

Ett prov t-testresultat.
Figur 2 

Två prov t-testanalys.
Figur 3 

Hjärn-beteende relationsanalys.

Diskussion

I den aktuella studien användes ALFF-metoden för att undersöka vilotillståndsskillnaderna mellan patienter med OGA och normala kontroller. ALFF är en enkel och övertygande metod för att mäta amplituden av lågfrekventa fluktuationer i BOLD-signalen, och tidigare studier har visat kapaciteten hos denna metod att exakt lokalisera vilken hjärnregion som har onormal spontan aktivitet [13]. Inom varje grupp identifierade vi några regioner som uppvisar signifikant högre ALFF-värden än andra hjärnregioner under vilotillståndet (Fig 1). Dessa regioner överlappade i stor utsträckning de större regionerna i standardlägesnätverket (DMN) [20]. När det gäller de två proven t-testresultat, i förhållande till de friska kontrollerna, visade ungdomar med OGA ökad ALFF i vänster mediala OFC, vänster precuneus, vänster SMA, höger PHG och bilateral MCC under vilotillståndet (Fig 2). Det är värt att notera att OGA-personerna hade signifikant högre depressionsvärden på BDI, men analys inklusive BDI som en kovariat visade liknande resultat. Dessutom var ALFF-värdena för vänster mediala OFC och precuneus positivt korrelerade med varaktigheten av OGA (Fig 2). Dessutom, för att validera den försämrade kognitiva kontrollförmågan hos ungdomar med OGA, användes färgordet Stroop-testet i vår studie. Överensstämmer med tidigare fynd [14], [15], begick OGA-gruppen fler fel än kontrollgruppen under det inkongruenta tillståndet, vilket visade att ungdomar med OGA visade försämrad kognitiv kontrollförmåga, mätt med färgordet Stroop-testet. Intressant nog var ALFF-värdena för vänster OFC också korrelerade med antalet fel under det inkongruenta tillståndet bland ungdomar med OGA (Fig 3). Våra resultat tyder på att ALFF-förändringar i OFC kan fungera som en biomarkör för att återspegla den försämrade kognitiva kontrollförmågan hos OGA.

I den aktuella studien fann vi att ALFF-värden ökade i den vänstra mediala OFC i OGA-gruppen. Anatomiskt har OFC omfattande kopplingar till striatum och limbiska regioner (såsom amygdala), som verkar vara involverade i kognitiv kontroll av målinriktat beteende genom bedömning av den motiverande betydelsen av stimuli och valet av beteende för att uppnå önskat beteende. resultat. OFC:s strukturella abnormiteter och dysfunktion i OGA har rapporterats i tidigare studier [4], [11], [15]. Park et al. använde a 18F-fluorodeoxiglukos positron emission tomografi (PET) studie för att undersöka regional cerebral glukosmetabolism under vilotillstånd hos unga individer med OGA och normala kontroller, och visade att OFC metaboliska aktiviteten hos ungdomar med OGA ökade jämfört med normala kontroller [21]. Denna analys antydde att den onormala metaboliska aktiviteten i området för OFC kan vara associerad med försämring av impulskontroll och belöningsbearbetning hos ungdomar med OGA. När det gäller uppgiftsrelaterade funktionella MRI-studier, Ko et al. identifierade de neurala substraten för onlinespelberoende via utvärdering av hjärnområdena associerade med den cue-inducerade speldriften, och fann att OFC kunde aktiveras onormalt hos missbrukare jämfört med kontroller [22]. Likheten mellan detta fynd med det cue-inducerade suget i substansberoende [23], vilket antydde att suget i spelberoende och suget i substansberoende kan ha samma neurobiologiska mekanismer. Tidigare strukturella neuroimagingstudier har också rapporterat minskad grå substansvolym av OFC i OGA-gruppen [1], [4]. I linje med dessa funktionella och strukturella fynd fann vår studie högre ALFF-värden i mediala OFC hos ungdomar med OGA jämfört med kontrollerna. Dessutom observerades en signifikant korrelation mellan ALFF-värdena för OFC och uppgiftens prestanda under färg-ord Stroop-testet i OGA-gruppen (Figur 3). Tidigare beroendestudier visade samband mellan Stroop-interferens och relativ glukosmetabolism i OFC bland kokainberoende försökspersoner [24]. Detta hjärnbeteendeförhållande visade att OFC:s onormala vilotillståndsegenskaper var associerade med nedsatt kognitiv kontrollförmåga bland ungdomar med OGA.

ALFF-värdena var högre i precuneus hos OGA-personer jämfört med kontroller. Precuneus är en hjärnregion i den posteromediala cortex av parietalloben och spelar en viktig roll i grundläggande kognitiv funktion [25]. Precuneus har föreslagits vara involverad i episodisk minneshämtning, visuell-spatiala bilder, självbehandling och medvetande [25]. Nyligen rapporterade vissa forskare också ökad ReHo i vänster precuneus hos OGA-studenter jämfört med kontroller [11]. Dessutom visade en studie att precuneus var associerad med en spellust, begär och svårighetsgrad av OGA, och föreslog att precuneus aktiveras för att bearbeta spelsignalen, integrera hämtat minne och bidra till cue-inducerat sug efter onlinespel. [26]. Därför föreslår vi att vilotillståndsavvikelserna i precuneus hos ungdomar med OGA kan vara förknippade med sug efter långvarig OGA.

Större ALFF-värden hos OGA-patienter, i förhållande till kontroller, hittades också i vänster SMA, bilateral MCC och höger PHG. SMA spelar en viktig roll i kognitiv kontroll, frivillig handling, initiering/hämning av motoriska svar [27] och även i känslomässiga konflikter [28]. MCC är den mellersta delen av cingulate gyrus och avgörande för konfliktövervakning och bearbetning [29]. Tidigare droganvändningsstudier rapporterade missbruksrelaterade vilotillståndsavvikelser hos SMA och MCC [30], [31]. PHG tros bidra till bildandet och underhållet av bunden information i arbetsminnet [32]. Arbetsminne hänvisar till tillfällig lagring och on-line manipulation av information och är också avgörande för kognitiv kontroll [33]. Liu et al. rapporterade ökad ReHo i den bilaterala PHG hos OGA-studenter jämfört med kontroller [11]. Dessutom fann vissa forskare också lägre fraktionerad anisotropi av PHG hos OGA-ämnen [4]. Våra resultat validerade det onormala vilotillståndsmönstret för PHG hos ungdomar med OGA.

Sammanfattningsvis, i den föreliggande studien observerade vi att ALFF var onormalt hos ungdomar med OGA jämfört med kontrollerna, dvs högre ALFF-värden i vänster mediala OFC, vänster precuneus, vänster SMA, höger PHG och bilateral MCC. Vi observerade också att de högre ALFF-värdena i vänster mediala OFC och vänster precuneus var positivt korrelerade med varaktigheten av OGA. ALFF-värdena för vänster OFC korrelerades med färgordets Stroop-uppgiftsprestanda (dvs. svarsfel) i OGA-gruppen. Våra resultat antydde att den onormala spontana aktiviteten i dessa regioner kan återspegla den underliggande patofysiologin hos OGA-användare. På grund av liknande vilotillståndsfynd med drogberoenderelaterade vilotillståndsförändringar, föreslog vi att OGA kan dela neurala mekanismer med drogberoende. Det är värt att notera att depression bör betraktas som en potentiell förvirring när man förklarar neuroavbildningsfynden i den aktuella studien. En ytterligare omfattande studie behövs för att ge fler vetenskapliga perspektiv om OGA.

Erkännanden

Vi vill tacka Qin Ouyang, Qizhu Wu, Junran Zhang, Changjian Hu och Haifeng Luo för värdefullt tekniskt stöd vid genomförandet av denna forskning.

Finansieringsdeklaration

Detta dokument stöds av Project for the National Key Basic Research and Development Program (973) under anslag nr. 2011CB707700; Kinas nationella naturvetenskapliga stiftelse under anslagsnummer 81227901, 81271644, 81271546, 30930112, 81000640, 81000641, 81101036, 81101108, 31200837, 81030027, 81301281, 2012, 0908, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX, XNUMX XNUMX; och de grundläggande forskningsfonderna för de centrala universiteten, Naturvetenskapsstiftelsen i Inre Mongoliet under anslag nr XNUMXMSXNUMX. Finansiärerna hade ingen roll i studiedesign, datainsamling och analys, beslut att publicera eller förberedelse av manuskriptet.

Referensprojekt

1. Yuan K, Qin W, Liu Y, Tian J (2011) Internetberoende: Neuroimaging-fynd. Communicative & Integrative Biology 4: 0–1 [PMC gratis artikel] [PubMed]
2. Flisher C (2010) Att bli inkopplad: En översikt över internetberoende. Journal of pediatrics and child health 46: 557–559 [PubMed]
3. Christakis D (2010) Internetberoende: en epidemi från 21-talet? BMC medicin 8: 61. [PMC gratis artikel] [PubMed]
4. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Mikrostrukturavvikelser hos ungdomar med Internetberoende. PloS one 6: e20708. [PMC gratis artikel] [PubMed]
5. Murali V, George S (2007) Lost online: en översikt över internetberoende. Framsteg inom psykiatrisk behandling 13: 24–30
6. Young KS (1998) Internetberoende: Uppkomsten av en ny klinisk störning. CyberPsychology & Behavior 1: 237–244
7. Volkow ND, Wang GJ, Fowler JS, Tomasi D (2012) Beroendekretsar i den mänskliga hjärnan. Årlig översyn av farmakologi och toxikologi 52: 321 [PMC gratis artikel] [PubMed]
8. Byun S, Ruffini C, Mills JE, Douglas AC, Niang M, et al. (2009) Internetberoende: metasyntes av 1996–2006 kvantitativ forskning. CyberPsychology & Behavior 12: 203–207 [PubMed]
9. Duff EP, Johnston LA, Xiong J, Fox PT, Mareels I, et al. (2008) Kraften i spektral densitetsanalys för kartläggning av endogena BOLD-signalfluktuationer. Human brain mapping 29: 778–790 [PubMed]
10. Fox MD, Raichle ME (2007) Spontana fluktuationer i hjärnaktivitet observerade med funktionell magnetisk resonanstomografi. Nature Reviews Neuroscience 8: 700–711 [PubMed]
11. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Ökad regional homogenitet i internetberoendestörning: en funktionell magnetisk resonanstomografistudie i vilotillstånd. Chin Med J (Engl) 123: 1904–1908 [PubMed]
12. Zang Y, Jiang T, Lu Y, He Y, Tian L (2004) Regional homogenitetsmetod för fMRI-dataanalys. Neurobild 22: 394–400 [PubMed]
13. Yang H, Long XY, Yang Y, Yan H, Zhu CZ, et al. (2007) Amplituden av lågfrekvent fluktuation inom visuella områden avslöjad av funktionell MRT i vilotillstånd. Neurobild 36: 144–152 [PubMed]
14. Dong G, Zhou H, Zhao X (2011) Manliga internetmissbrukare visar nedsatt exekutiva kontrollförmåga: Bevis från en Stroop-uppgift med färgord. Neuroscience Letters 499: 114–118 [PubMed]
15. Yuan K, Cheng P, Dong T, Bi Y, Xing L, et al. (2013) Avvikelser i kortikal tjocklek i sen tonåren med spelberoende online. PloS one 8: e53055. [PMC gratis artikel] [PubMed]
16. Beard KW, Wolf EM (2001) Modifiering av de föreslagna diagnoskriterierna för Internetberoende. CyberPsychology & Behavior 4: 377–383 [PubMed]
17. Xu J, Mendrek A, Cohen MS, Monterosso J, Simon S, et al. (2006) Effekt av cigarettrökning på prefrontal kortikal funktion hos icke-berövade rökare som utför Stroop Task. Neuropsychopharmacology 32: 1421–1428 [PMC gratis artikel] [PubMed]
18. Chao-Gan Y, Yu-Feng Z (2010) DPARSF: en MATLAB verktygslåda för "pipeline" dataanalys av vilotillstånd fMRI. Frontiers in systems neuroscience 4. [PMC gratis artikel] [PubMed]
19. Yu-Feng Z, Yong H, Chao-Zhe Z, Qing-Jiu C, Man-Qiu S, et al. (2007) Förändrad baslinjehjärnaktivitet hos barn med ADHD avslöjad av funktionell MRT i vilotillstånd. Brain and Development 29: 83–91 [PubMed]
20. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et al. (2001) Ett standardläge för hjärnans funktion. Proceedings of the National Academy of Sciences 98: 676 [PMC gratis artikel] [PubMed]
21. Park HS, Kim SH, Bang SA, Yoon EJ, Cho SS, et al. (2010) Förändrad regional cerebral glukosmetabolism hos överanvändare av internetspel: en 18F-fluorodeoxiglukos positronemissionstomografistudie. CNS Spectr 15: 159–166 [PubMed]
22. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et al. (2009) Hjärnaktiviteter förknippade med speldrift av onlinespelberoende. Journal of Psychiatric Research 43: 739–747 [PubMed]
23. Goldstein RZ, Volkow ND (2011) Dysfunktion av den prefrontala cortex vid missbruk: neuroimaging fynd och kliniska implikationer. Nature Reviews Neuroscience 12: 652–669 [PMC gratis artikel] [PubMed]
24. Goldstein R, Volkow N (2002) Narkotikaberoende och dess underliggande neurobiologiska grund: neuroimaging bevis för inblandning av frontal cortex. American Journal of Psychiatry 159: 1642–1652 [PMC gratis artikel] [PubMed]
25. Cavanna AE, Trimble MR (2006) Precuneus: en översyn av dess funktionella anatomi och beteendemässiga korrelat. Brain 129: 564–583 [PubMed]
26. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, et al. . (2011) Hjärnkorrelerar mellan sug efter onlinespel under cue exponering hos personer med internetspelberoende och i remitterade ämnen. Beroendebiologi. [PubMed]
27. Nachev P, Kennard C, Husain M (2008) Funktionell roll för de kompletterande och pre-supplementära motorområdena. Nature Reviews Neuroscience 9: 856–869 [PubMed]
28. Ochsner KN, Hughes B, Robertson ER, Cooper JC, Gabrieli JDE (2009) Neurala system som stödjer kontrollen av affektiva och kognitiva konflikter. Journal of cognitive neuroscience 21: 1841–1854 [PubMed]
29. Goñi J, Aznárez-Sanado M, Arrondo G, Fernández-Seara M, Loayza FR, et al. (2011) Det neurala substratet och funktionell integration av osäkerhet i beslutsfattande: en informationsteorisk metod. PloS one 6: e17408. [PMC gratis artikel] [PubMed]
30. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Underskott av grå substans och abnormiteter i vilotillstånd hos abstinenta heroinberoende individer. Neurovetenskap brev 482: 101–105 [PubMed]
31. Ma N, Liu Y, Li N, Wang CX, Zhang H, et al. (2010) Beroenderelaterad förändring i hjärnanslutning i vilotillstånd. Neurobild 49: 738–744 [PMC gratis artikel] [PubMed]
32. Luck D, Danion JM, Marrer C, Pham BT, Gounot D, et al. (2010) Den högra parahippocampus gyrus bidrar till bildandet och underhållet av bunden information i arbetsminnet. Hjärna och kognition 72: 255–263 [PubMed]
33. Engle RW, Kane MJ (2003) Exekutiv uppmärksamhet, arbetsminneskapacitet och en tvåfaktorsteori om kognitiv kontroll. Psychology of Learning and Motivation 44: 145–199