Frekvensberoende förändringar i amplitud av lågfrekventa fluktuationer i internetspelstörning (2015)

Front Psychol. 2015; 6: 1471.

Publicerad online 2015 Sep 28. doi: 10.3389 / fpsyg.2015.01471

PMCID: PMC4585012

Xiao Lin,^1,² Xize Jia,^3,⁴ Yu-Feng Zang,^3,⁴ och Guangheng Dong^1,^5,^*

Författarinformation ► Artikelnoter ► Upphovsrätt och licensinformation ►

Abstrakt

Neuroimaging-studier har visat att de arbetsrelaterade funktionella hjärnaktiviteterna är försämrade i IGD-ämnen. Men lite är känt om alternationerna i spontana hjärnaktiviteter om dem. Nyligen genomförda studier har föreslagit att hjärnaktiviteterna i olika frekvensområden genereras av olika nervaktiviteter och har olika fysiologiska och psykologiska funktioner. Således, i denna studie, insåg vi att utforska de spontana hjärnaktiviteterna i IGD-ämnen genom att mäta den fraktionella amplituden för lågfrekvensfluktuationer (fALFF), för att undersöka bandspecifika förändringar av vilotilstånd FALFF. Vi delade upp frekvensområdet i fem band baserat på litteratur.

Jämfört med friska kontroller uppvisade IGD-gruppen minskade fALFF-värden i cerebellumens bakre lob och ökade fALFF-värden i överlägsen temporal gyrus. Betydande interaktioner mellan frekvensband och grupper hittades i cerebellum, den främre cingulat, den linguala gyrusen, den mellersta temporala gyrusen och den mittre frontala gyrusen. Dessa hjärnregioner bevisas relaterade till verkställande funktion och beslutsfattande. Dessa resultat avslöjade den förändrade spontana hjärnaktiviteten hos IGD, vilket bidrog till att förstå den underliggande patofysiologin för IGD.

Nyckelord: internet-spelstörning, funktionell magnetisk resonansavbildning i vilotillstånd, amplitud av lågfrekvensfluktuationer

Beskrivning

Internet addiction störning (IAD) har definierats som individens oförmåga att kontrollera överdriven användning av Internet, även inför negativa konsekvenser för psykologiska funktionsaspekter (Young, 1998; Fitzpatrick, 2008; Tao et al., 2008; Flisher, 2010). Det har föreslagits som ett "beteendemissbruk" enligt dess negativa effekter på social mental hälsa (Kuss och Griffiths, 2012). Men lite är känt om mekanismen för IAD, och en enhetlig definition av IAD har inte bildats och Diagnostic and Statistical Manual 4 (DSM-4) inkluderade inte denna beteendestörning (Blockera, 2008). Tillsammans med den snabba spridningen av IAD är DSM-5 utvecklad för internet-spelstörning (IGD) baserat på definitionen av missbruk av missbruk och missbruk (Frances och Widiger, 2012; American Psychiatric Association, 2013; Petry och O'Brien, 2013; Petry et al., 2014).

Det finns många olika typer av IAD på grund av Internet: s olika funktioner. I allmänhet består IAD av tre undertyper: IGD, Internetpornografi och e-post (Blockera, 2007). Med tanke på definitionen av missbruk delar alla dessa kategorier av IAD fyra definierande egenskaper: överdriven användning, tillbakadragande, tolerans och negativa återverkningar (Skägg och varg, 2001; Blockera, 2008; Tao et al., 2010). Som den vanligaste formen av IAD (Dong et al., 2012a), IGD kan dela specifika neuropsykologiska egenskaper med andra beteendemissbruk, såsom patologisk spel (Griffiths, 2005; Grant et al., 2010; Dong et al., 2012b; Han et al., 2012; Dong och Potenza, 2014).

Många avbildningsstudier har undersökt egenskaperna hos IGD med olika uppgifter (Fowler et al., 2007; Dong et al., 2011a, 2012b; Han et al., 2011a; Xu, 2013), men det är svårt att jämföra data som erhållits från olika experimentella paradigmer och dra kliniskt användbara slutsatser från olika kognitiva uppgifter (Zang et al., 2007a). FMRI-studier i vilotillstånd har avslöjat vissa avvikelser i hjärnaktiveringen i IGD (hitta fler beskrivningar från en översyn av Weinstein och Lejoyeux (2015). IGD-personer har högre impulsivitet, vilket är ett typiskt symptom på drogberoende; detta symptom är relaterat till den minskade aktiveringen av cingulate gyrus, som involverar kognitiv kontroll (Dong et al., 2012a). En fMRI-studie visade också förbättrad regional homogenitet (ReHo) i hjärnstammen, inferior parietal lobule, vänster posterior cerebellum och vänster mellersta främre gyrus som är relaterade till sensorisk-motorisk koordination som kan vara relevant för fingerrörelsen för att spela internetspel (Dong et al., 2012c).

Vilketillstånd fMRI har utvecklats som en ny teknik sedan Biswals studie (Biswal et al., 1995). De rapporterade först de mycket synkrona spontana lågfrekvens (0.01 – 0.08 Hz) fluktuationerna i BOLD-signal bland motorcortices, och drog slutsatsen att amplituden för lågfrekvens fluktuering (ALFF) var en neurofysiologisk indikator (Biswal et al., 1995). På grundval av ALFF, Zang et al. (2007b) främjat ett annat verktyg för att skildra lokal hjärnaktivitet - den fraktionerade amplituden av lågfrekventa fluktuationer (fALFF), som kunde detektera den regionala intensiteten av spontana fluktuationer i BOLD-signal (Zou et al., 2008; Zuo et al., 2010). Nyligen användes fALFF i stor utsträckning i patienter med psykiska störningar, till exempel depression (Guo et al., 2013), schizofreni (Bluhm et al., 2007), uppmärksamhetsunderskott hyperaktivitetsstörning (Zang et al., 2007b), IGD (Yuan et al., 2013), och så vidare. Det är fortfarande oklart om hjärnaktivitetsavvikelserna hos IGD är relaterade till specifika frekvensband. Det är viktigt att upptäcka spontana svängningar i hjärnan vid specifik frekvens mer än ett brett frekvensband. Det finns många olika svängningar i hjärnan, frekvenserna hos dem varierar från mycket långsamma svängningar med perioder på tiotals sekunder till mycket snabba svängningar med frekvenser som överstiger 1000 Hz (Bullock, 1997). Buzsáki och Draguhn (2004) föreslog en 'oscillation class' som innehåller 10 frekvensband som sträcker sig från 0.02 till 600 Hz (Penttonen och Buzsáki, 2003). Och Zuo et al. (2010) undersökte fALFF vid fyra frekvensband och fann att svängningarna är kopplade till specifika neurala processer (Buzsáki och Draguhn, 2004; Knyazev, 2007). De fann att amplituden av svängningar (0.01 – 0.027 Hz) vid låg frekvens var mest robusta i de kortikala strukturerna och höga frekvenser var mest robusta i de subkortiska strukturerna som basala ganglier. Studier har visat att schizofrenipatienter hade särskilda avvikelser i svängningsamplituder i det långsamma 4-frekvensbandet (Yu et al., 2014). Han et al. (2011b) visade också att abnormiteter i hjärnfunktionen hos amnestic mild kognitiv nedsatt patienter exponerade olika aktiveringsmönster i olika frekvensband.

I den här studien samlade vi in FALFF-värden för frekvensen över 0 – 0.25, inklusive sex frekvensband av 0 – 0.01 Hz, 0.01 – 0.027 Hz, 0.027 – 0.073 Hz, 0.073 – 0.198 Hz och 0.198 – 0.25 Hz i IGD, enligt Buzsákis ”svängningsklasser”. Vi försökte jämföra fALFF-värdet mellan IGD och HC i olika band och ta itu med två frågor: först, om IGD-försökspersonerna visar onormala fALFF-amplituder när de jämförs med friska kontroller; för det andra, om abnormaliteterna hos IGD är associerade med specifika frekvensband.

Material och metoder

Deltagarval

Experimentet överensstämmer med The World of Ethics Code of the World Medical Association (deklarationen om Helsingfors) och godkänns av Human Undersökningskommittén vid Zhejiang Normal University. 52 universitetsstudenter rekryterades genom annonser [26 IGD, 26 hälsosamma kontroller (HC)]. De var alla högerhänder. IGD- och HC-grupperna skilde sig inte signifikant i ålder (IGD: N = 26, 22.2 ± 3.13 år; HC: N = 26, 22.28 ± 2.54 år; t(50) = 0.1, p = 0.9). På grund av de högre IGD-andelarna bland män inkluderades endast män. Deltagarna var skyldiga att underteckna det informerade samtycket och alla deltagare genomgick strukturerade psykiatriska intervjuer (MINI) (Lecrubier et al., 1997) utförs av en erfaren psykiater med en administreringstid på cirka 15 min. Alla deltagare var fria från Axis I psykiatriska störningar som anges i MINI. Alla deltagare uppfyllde inte DSM-4-kriterierna för drogmissbruk eller beroende, inklusive alkohol, även om alla IGD- och HC-deltagare rapporterade alkoholkonsumtion under sin livstid. Alla deltagare instruerades att inte använda några ämnen, inklusive kaffe, te, på scanningsdagen. Inga deltagare rapporterade hjärnskador eller tidigare erfarenhet av olagliga droger (t.ex. kokain, marijuana).

Diagnosen av IGD bestämdes baserat på poäng av 50 eller högre på Youngs online-Internet Addiction Test (Young, 1998). Som ett särskilt beteendeberoende är den operativa definitionen och diagnosstandarderna för IGD fortfarande inkonsekvent. I den aktuella studien bestod IGD-gruppen av individer som uppfyllde de allmänna IAD-kriterierna (poäng över 50 i IAT) och rapporterade att "spendera större delen av sin online-tid på att spela onlinespel (> 80%)" (Blaszczynski, 2008; Weng et al., 2013). IAT-poängen för IGD-gruppen (72 ± 11.7) var mycket högre än de friska kontrollerna [29 ± 10.4), t(50) = 14, p = 0.000].

Data Acquisition

Efter konventionell lokaliseringssökning erhölls de T1-viktade bilderna med en bortskämd gradientåterkallningssekvens [TR = 240 ms; ekotid (TE) = 2.46 ms; vippvinkel (FA) = 90 °; synfält (FOV) = 220 ~ 220 mm²; datamatrix = 256 ~ 256]. Därefter erhölls funktionsbilder i vilotillstånd med användning av en eko-plan imaging-sekvens (TR = 2000 ms; TE = 30 ms; FA = 90 °; FOV = 220 ~ 220 mm²; datamatris = 64 ~ 64) med 33 axiella skivor (skivtjocklek = 3 mm och skivgap = 1 mm, totala volymer = 210) i en körning av 7 min. Personerna var tvungna att hålla sig stilla och inte tänka på något systematiskt under skanningen. I slutet av datainsamlingen bekräftade alla försökspersoner att de förblev vakna under hela skanningsperioden.

Dataförbehandling och fALFF-beräkning

All funktionell bildbehandling utfördes med Data Processing Assistant for Rest-state fMRI [DPARSF (Yan och Zang, 2010)^¹] programvara. För varje deltagare utesluts de första 10-tidspunkterna från ytterligare analys, vilket är att undvika övergående signalförändringar innan magnetisering nådde ett stabilt tillstånd och för att låta försökspersoner vänja sig till fMRI-skanningsmiljön. De återstående hjärnvolymerna från 200 korrigerades med avseende på skivstiming och justerades om för korrigering av huvudets rörelse. Endast deltagare med huvudrörelse mindre än 1.5 mm i x-, y- eller z-riktningen och mindre än 2-rotation om varje axel inkluderades. 26 HC- och 26 IGD-personer var giltiga i den aktuella studien. Sedan normaliserades alla ombildade bilder rumsligt och omformades sedan till 3 mm isotropa voxeller och jämnades ut rumsligt (full bredd vid halvmaximum = 6 mm), och den linjära trenden avlägsnades. Efter förbehandling beräknades fALFF med DPARSF. Kortfattat, för en given voxel, konverterades tidsserien först till frekvensdomänen med hjälp av en "snabb Fourier-transform." Kvadratroten i kraftspektrumet beräknades och sedan medelvärden över ett fördefinierat frekvensintervall. Denna genomsnittliga kvadratrot kallades fALFF vid den givna voxeln för fördefinierade frekvensband (Zang et al., 2007a). Vi delade upp hela frekvensområdet (0 – 0.25 Hz) i fem delband: slow-6 (0 – 0.01 Hz), slow-5 (0.01 – 0.027 Hz), slow-4 (0.027 – 0.073 Hz), slow- 3 (0.073 – 0.198 Hz), och slow-2 (0.198 – 0.25 Hz) (35, 46, 30), och beräknade FALFF för varje frekvensband.

Statistisk analys

En tvåvägs (grupp- och frekvensband) upprepad mätningsanalys av varians (ANOVA) utfördes på en voxel-för-voxel-bas med grupp (IGD och HC) som en mellanfaktor och frekvensband (slow-2, slow-3, slow-4, slow-5, slow-6) som upprepade åtgärder. Vi beräknade också den ROI-baserade korrelationsanalysen som följde upp den signifikanta huvudeffekten och interaktionen mellan svårighetsgraden av IGD och fALFF-värdena, och vi valde fALFF-värden från specifika band.

Resultat

Huvudeffekter från ANOVA: s tvåvägsmätningar upprepades Figur Figure11, Bord Tables11 och 22. Vi använde Alphasim-korrigering för flera jämförelser i avbildningsdata. De korrigerade p <0.05 motsvarar en kombination av okorrigerad p <0.05 och klusterstorlek> 248 mm³). ROI-baserad korrelationsanalys utfördes mellan fALFF-värden och svårighetsgraden av IGD (poäng av IAT). Lilla hjärnan visade signifikant negativ korrelation med IGD-svårighetsgrad (långsam-4: r = -0.487, p = 0.000; långsam-5: r = -0.485, p = 0.000; se Figur Figure2C2C). Koordinaten för ROI definierades av aktiveringstoppen för det överlevda klustret. ROI-radien är 4 mm och tillverkas av programvaran REST^².

BILD 1

(A) Huvudeffekten för grupp på amplituden av lågfrekvensfluktuationer (ALFF). Hjärnregioner där den fraktionella amplituden för lågfrekvensfluktuation (fALFF) skiljer sig åt mellan Internet-spelstörning (IGD) och friska kontroller. IGD-ämnena .

Hjärnregioner med en huvudeffekt av gruppen.

Hjärnregioner med interaktionseffekt mellan grupp och frekvens.

BILD 2

ALFF-värdena i överlägsen temporär gyrus och småhjärnan. Den röda och blå rektangeln representerade IGD-individer respektive friska kontroller. Fullfrekvensbandet (0 – 0.25 Hz) delades upp i fem band. De visades i (A, B) .

Betydande interaktioner mellan frekvensband och grupp observerades i cerebellum, den främre cingulat, den linguala gyrusen, den mellersta temporala gyrusen och den mittre frontala gyrusen. Den mittre frontala gyrusen visade ökade amplitudvärden och den mellersta temporala gyrusen visade minskade amplitudvärden i IGD. Dessutom presenterade ROI-baserade analyser dynamisk förändring av fALFF i cerebellum och lingual gyrus tillsammans med frekvensanpassning (se Figur Figure33). I IGD visade cerebellum minskade amplitudvärden i den högre frekvensområdet (långsam-2, långsam-3, långsam-4) och ökade amplitudvärden i lägre frekvensområdet (slow-6, se Figur Figure3A3A). Omvänt visade lingual gyrus ökade amplitudvärden i den högre frekvensområdet (långsam-2, långsam-3) och minskade amplitudvärden i den lägre frekvensområdet (slow-6, se Figur Figure3B3B). Dessa två regioner delade en övergångspunkt vid långsamma 5-band för förändring av amplitud.

BILD 3

Vändmönster i cerebellum och den språkliga gyrusen vid olika band i IGD. Den röda och blå rektangeln representerade IGD-individer respektive friska kontroller. Fullfrekvensbandet (0 – 0.25 Hz) delades upp i fem band. De visades .

Diskussion

Föreliggande studie undersökte den onormala spontana hjärnaktiviteten i IGD med fALFF vid olika frekvensband. Huvudgruppseffekt avslöjade att IGD visade lägre fALFF-värden i överlägsen temporal gyrus och högre fALFF-värden i cerebellum. Vi presenterade BOLD fluktuationsamplituder i hela frekvensbanden (0 – 0.25 Hz) och fann ett omvänt mönster av förändringar i frekvensområdet i cerebellum och lingual gyrus i IGD. Dessa fynd ger en fullständig bild av FALFF-analyser i frekvensdomän och betonar vikten av valet av specifik frekvens för att upptäcka onormalt relaterade psykiska störningar.

Olika fALFF i kortikala mellan IGD och HC (den huvudsakliga effekten av gruppen)

Tidigare litteraturer trodde att signalen om långsam-2 återspeglar mycket lågfrekvensdrift, och den långsamma-6 återspeglar högfrekventa fysiologiska ljud (Zang et al., 2007a; Xu, 2013). Analysen av gruppens huvudeffekt fokuserade på den spontana neurala aktiviteten vid specifika frekvensband (långsam-4 och långsam-5) i IGD. Gruppens huvudeffekt avslöjade att IGD visade lägre fALFF-värden vid långsamma-4 och långsamma-5 i cerebellum. En negativ korrelation mellan fALFF-värdena i cerebellum och svårighetsgraden av IGD hittades i den aktuella studien. Lilla hjärnan klassificeras vanligtvis som en motorisk struktur vars funktion inte är begränsad till rörelsekoordination eller balans och det spelar också en viktig roll i högre kognitiva processer (De Zeeuw et al., 2011; Stoodley et al., 2012). Bevis från anatomiska, fysiologiska och funktionella avbildningsstudier har visat att personer med lesioner i hjärnan visade brist på kognitiva verkställande funktioner och arbetsminne (Raymond et al., 1996; De Smet et al., 2013). Den får input från sensoriska system och andra hjärnområden och integrerar dessa ingångar för att justera motorisk aktivitet (Doyon et al., 2003; Ito, 2006; Yuan et al., 2011). Hjärnans potentiella roll i beroende har behandlats i ett nyligen uppsats som föreslog att cerebellum är ett potentiellt regleringscenter som påverkas av beroende (Moulton et al., 2013). Litteraturer har visat att IGD-försökspersoner är associerade med ReHo-mer än normalt (Liu et al., 2010; Dong et al., 2012c) och funktionell anslutning (Ding et al., 2013) över cerebellum. I den aktuella studien observerades en negativ korrelation mellan fALFF-värdena i cerebellum och svårighetsgraden av IGD (se Figur Figure2C2C), vilket också stödjer att den onormala spontana neuronala aktiviteten i cerebellum är relaterad till det olämpliga beteendet hos IGD.

FALFF-värdena var högre i överlägsen temporär gyrus i IGD. Tidigare studie visade att IGD, jämfört med HC, visade minskad funktionell anslutning i det temporala området (Ding et al., 2013). Vår tidigare studie fann minskade ReHo i underlägsen temporär gyrus, och vi drar slutsatsen att det kan vara resultatet av en lång varaktighet av spelet (Dong et al., 2012c). De aktuella resultaten är delvis oförenliga med tidigare studie, så vi framlägger hypotesen att ökad fALFF i överlägsen temporär gyrus kan återspegla en högre nivå av hjärnaktivitet som korrelerar med rörelseflexibiliteten i IGD, men funktionen för detta område behöver ytterligare studier.

Frekvensberoende amplitudförändringar i IGD

Interaktionseffekterna mellan grupper och frekvensband observerades i cerebellum, den främre cingulerade gyrusen, den linguala gyrusen, den mellersta temporala gyrusen och den främre främre gyrusen.

Högre FALFF-värden i Middle Frontal Gyrus i IGD

I den aktuella studien visade IGD-deltagarna högre FALFF-värden i vänster mellersta främre gyrus vid olika band. Den mellersta frontala gyrusen spelar en viktig roll i koordinering av olika system, till exempel lärande och minne, som är starkt relaterat till mentala operationer (Kardinal, 2006). I en tidigare studie drog vi slutsatsen att IGD-individer visar förbättrad synkronisering i sensorisk-motorisk samordning relaterade hjärnregioner (Van Rooij et al., 2011) - online-spelet kräver att spelare integrerar flera system, inklusive sensoriskt system, motorstyrning, motorkoordinat och informationsbehandlingssystem (Ito, 2006). De nuvarande resultaten stöder också detta antagande. Detta resultat överensstämmer också med Lius studie (Liu et al., 2010), som fann att individer med IGD visade en signifikant ökning av ReHo-värden i vänster mitten frontal gyrus. Så vi drar slutsatsen att IGD-deltagarna visade högre FALFF-värden i vänster mellersta främre gyrus, vilket kan associeras med den förbättrade sensoriska-motoriska koordinatförmågan.

Abnormality in Anterior Cingulate Gyrus i IGD

Vi hittade lägre FALFF i främre cingulat Gyrus vid långsamma-6. Den främre cingulerade regionen har varit inblandad i hämning, kontroll och konfliktövervakning (Paus, 2001; Goldstein et al., 2007) och avvikelserna har nämnts i tidigare IGD-studier (Liu et al., 2010; Moulton et al., 2013). Som nämnts i inledningen kan de lägre fALFF-värdena relatera till minskad koordineringsförmåga för långväga nervaktivitet. Detta antagande stöds av studier inom detta område: med en funktionell anslutningsmetod. Hong et al. (2013) rapporterade minskad funktionell anslutning mellan ACC och PFC i IAD. Jiang et al. (2011) har föreslagit att de lägre aktiviteterna i ACC kan återspegla den onormala minskade spontana neuronala aktiviteten i denna region och ett funktionellt underskott. Andra uppgifter relaterade studier har visat denna punkt som IGD alltid åtföljde med kognitiva dysfunktioner, såsom kognitiv funktionsbrist (Dong et al., 2010, 2011b). Så vi tror att abnormiteten i ACC är relaterad till de kognitiva dysfunktionerna hos IGD.

Omvänd mönster i cerebellum och den linguala gyrusen i olika band i IGD

Det är viktigt att notera att avvikelserna i spontan neuraktivitet i IGD är beroende av specifika frekvensband, särskilt i cerebellum och den språkliga gyrusen. Jämfört med HC visade IGD minskad amplitud i de lägre frekvensbanden (slow-4, slow-5, slow-6) och ökad amplitud i de högre frekvensbanden (slow-2, slow-3) i den språkliga gyrusen. Tvärtom, IGD visade ökad amplitud i de lägre frekvensbanden (slow-6) och minskade amplituden i de högre banden (slow-2, slow-3, slow-4) i cerebellum (siffror 2A, B). Det har avslöjats att olika oscillerande band utvecklas av olika mekanismer och har olika fysiologiska funktioner (Bullock, 1997; Yuan et al., 2013). Som tidigare studier har visat att de lägre frekvensfluktuationerna har högre magnitudeffekt och de högre frekvensfluktuationerna har lägre magnitudeffekt (Baria et al., 2011; Yuan et al., 2013). De nuvarande resultaten kan antyda att IGD har ökat koordineringsförmågan för långväga nervaktivitet i cerebellum och i den språkliga gyrusen. Detta antagande kan stödjas av tidigare studie som rapporterade att personer med IGD uppvisade ökad funktionell anslutning i det bilaterala hjärnämnet (Liu et al., 2010; Ko, 2014), och en annan studie har upptäckt gråmaterialdensitetsunderskott hos språklig gyrus som kan relatera till långväga nervaktivitet (Weng et al., 2013).

Slutsats

Resultaten i den aktuella studien föreslog att IGD-individerna visade onormal FALFF i många hjärnregioner, inklusive cerebellum (IGD <HC) och den överlägsna temporala gyrusen (IGD> HC). Den aktuella studien kan hjälpa till att förstå IGF: s patofysiologi och analys av full frekvensamplitud kan potentiellt hjälpa till att välja specifikt frekvensområde för att detektera IGD-relaterade hjärnaktiviteter.

Författarbidrag

XL analyserade data, skrev det första utkastet till manuskriptet; XJ bidrog till dataanalys, Y-FZ bidrog till vägledning för experimentella metoder och förbättrade manuskriptet. GD designade denna forskning, reviderade och förbättrade manuskriptet. Alla författare bidrog till och har godkänt det slutliga manuskriptet.

Intresseanmälan

Författarna förklarar att forskningen genomfördes i avsaknad av kommersiella eller finansiella relationer som kan tolkas som en potentiell intressekonflikt.

Erkännanden

Denna forskning stöds av National Science Foundation of China (31371023). Dr. Zang stöds av programmet "Qian Jiang Distinguished Professor".

Finansiering. Finansierarna hade ingen roll i studiedesign, insamling och analys av data, beslut om att publicera eller förbereda manuskriptet.

¹http://www.restfmri.net

²www.restfmri.net

Referensprojekt

American Psychiatric Association (2013). American Psychiatric Association. Diagnostisk och Statisiskt Manual av Mentalsjukdomar, 5th Edn. Arlington, TX: American Psychiatric Association
Baria AT, Baliki MN, Parrish T., Apkarian AV (2011). Anatomiska och funktionella sammansättningar av hjärnans BOLDE svängningar. J. Neurosci. 31 7910 – 7919. 10.1523 / JNEUROSCI.1296-11.2011 [PMC gratis artikel] [PubMed] [Cross Ref]
Skägg KW, Wolf EM (2001). Ändring i de föreslagna diagnostiska kriterierna för internetberoende. Cyber Psychol. Behav. 4 377-383. 10.1089 / 109493101300210286 [PubMed] [Cross Ref]
Biswal B., Yetkin FZ, Haughton VM, Hyde JS (1995). Funktionell anslutning i den motoriska cortexen hos vilande mänsklig hjärna med eko-plan MRI. Magn. Reson. Med. 34 537 – 541. 10.1002 / mrm.1910340409 [PubMed] [Cross Ref]
Blaszczynski A. (2008). Kommentar: ett svar på “Problem med begreppet videospel” beroende ”: några exempel på fallstudier. Int. J. Ment. Health Addict. 6 179–181. 10.1007/s11469-007-9132-2 [Cross Ref]
Block JJ (2007). Prevalens underskattas i problematisk Internetanvändningsstudie. CNS Spectr. 12 14-15. [PubMed]
Block JJ (2008). Problem för DSM-V: internetberoende. Am. J. Psychiatry 165 306 – 307. 10.1176 / appi.ajp.2007.07101556 [PubMed] [Cross Ref]
Bluhm RL, Miller J., Lanius RA, Osuch EA, Boksman K., Neufeld RWJ, et al. (2007). Spontana lågfrekvensförändringar i den djärva signalen hos schizofreniska patienter: avvikelser i standardnätverket. Schizophr. Tjur. 33 1004 – 1012. 10.1093 / schbul / sbm052 [PMC gratis artikel] [PubMed] [Cross Ref]
Bullock TH (1997). Signaler och tecken i nervsystemet: den dynamiska anatomi för elektrisk aktivitet är förmodligen informationsrik. Proc. Natl. Acad. Sci. usa 94 1-6. [PMC gratis artikel] [PubMed]
Buzsáki G., Draguhn A. (2004). Neuronala svängningar i kortikala nätverk. Vetenskap 304 1926 – 1929. 10.1126 / science.1099745 [PubMed] [Cross Ref]
Kardinal RN (2006). Neuralsystem involverade i försenad och sannolikhetsförstärkning. Neural Netw. 19 1277 – 1301. 10.1016 / j.neunet.2006.03.004 [PubMed] [Cross Ref]
De Smet HJ, Paquier P., Verhoeven J., Mariën P. (2013). Lilla hjärnan: dess roll i språk och relaterade kognitiva och affektiva funktioner. Brain Lang. 127 334 – 342. 10.1016 / j.bandl.2012.11.001 [PubMed] [Cross Ref]
De Zeeuw CI, Hoebeek FE, Bosman LWJ, Schonewille M., Witter L., Koekkoek SK (2011). Spatiotemporal avfyrningsmönster i hjärnan. Nat. Rev. Neurosci. 12 327 – 344. 10.1038 / nrn3011 [PubMed] [Cross Ref]
Ding W.-N., Sun J.-H., Sun Y.-W., Zhou Y., Li L., Xu J.-R., et al. (2013). Förändrad standardnätverk vila-funktionell anslutning för ungdomar med internet-spelberoende. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [PMC gratis artikel] [PubMed] [Cross Ref]
Dong G., DeVito EE, Du X., Cui Z. (2012a). Nedsatt hämmande kontroll vid 'internetberoende störning': en funktionell magnetisk resonansavbildningstudie. Psykiatrisk Res. 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [PMC gratis artikel] [PubMed] [Cross Ref]
Dong G., DeVito E., Huang J., Du X. (2012b). Diffusionstensoravbildning avslöjar talamus och posterior cingulate cortex abnormaliteter hos internet spelberoende. J. Psychiatr. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [PMC gratis artikel] [PubMed] [Cross Ref]
Dong G., Huang J., Du X. (2012c). Förändringar i regional homogenitet av hjärnaktivitet i vila tillstånd hos spelmissbrukare på internet. Behav. Brain Funct. 8 1–8. 10.1186/1744-9081-8-41 [PMC gratis artikel] [PubMed] [Cross Ref]
Dong G., Huang J., Du X. (2011a). Förbättrad belöningskänslighet och minskad förlustkänslighet hos Internet-missbrukare: en fMRI-studie under en gissningsuppgift. J. Psychiatr. Res. 45 1525 – 1529. 10.1016 / j.jpsychires.2011.06.017 [PubMed] [Cross Ref]
Dong G., Zhou H., Zhao X. (2011b). Manliga Internet-missbrukare visar nedsatt verkställande kontrollförmåga: bevis från en Stroop-uppgift med färgord. Neurosci. Lett. 499 114 – 118. 10.1016 / j.neulet.2011.05.047 [PubMed] [Cross Ref]
Dong G., Lu Q., Zhou H., Zhao X. (2010). Impulshämning hos personer med Internetberoendestörning: elektrofysiologiska bevis från en Go/NoGo-studie. Neurosci. Lett. 485 138 – 142. 10.1016 / j.neulet.2010.09.002 [PubMed] [Cross Ref]
Dong G., Potenza MN (2014). En kognitiv-beteendemodell av internet-spelstörning: teoretiska underlag och kliniska implikationer. J. Psychiatr. Res. 58 7 – 11. 10.1016 / j.jpsychires.2014.07.005 [PMC gratis artikel] [PubMed] [Cross Ref]
Doyon J., Penhune V., Ungerleider LG (2003). Det distinkta bidraget från de cortico-striatala och cortico-cerebellära systemen till inlärning av motorik. Neuropsychologia 41 252–262. 10.1016/S0028-3932(02)00158-6 [PubMed] [Cross Ref]
Fitzpatrick JJ (2008). Internetberoende: erkännande och ingripanden. Båge. Psychiatr. Nurs. 22 59 – 60. 10.1016 / j.apnu.2007.12.001 [PubMed] [Cross Ref]
Flisher C. (2010). Koppla in: en översikt över internetberoende. J. Paediatr. Barns hälsa 46 557 – 559. 10.1111 / j.1440-1754.2010.01879.x [PubMed] [Cross Ref]
Fowler JS, Volkow ND, Kassed CA, Chang L. (2007). Avbildning av den beroende människors hjärna. Sci. Pract. Perspect. 3 4 – 16. 10.1151 / spp07324 [PMC gratis artikel] [PubMed] [Cross Ref]
Frances AJ, Widiger T. (2012). Psykiatrisk diagnos: lektioner från DSM-IV förflutna och varningar för DSM-5 framtid. Annu. Rev. Clin. Psychol. 8 109 – 130. 10.1146 / annurev-clinpsy-032511-143102 [PubMed] [Cross Ref]
Goldstein RZ, Tomasi D., Rajaram S., Cottone LA, Zhang L., Maloney T., et al. (2007). Roll av den främre cingulat och mediala orbitofrontala cortex vid bearbetning av läkemedelspunkterna vid kokainberoende. Neuroscience 144 1153 – 1159. 10.1016 / j.neuroscience.2006.11.024 [PMC gratis artikel] [PubMed] [Cross Ref]
Grant JE, Potenza MN, Weinstein A., Gorelick DA (2010). Introduktion till beteendemissbruk. Am. J. Drug Alcohol Abuse 36 233-241. 10.3109 / 00952990.2010.491884 [PMC gratis artikel] [PubMed] [Cross Ref]
Griffiths M. (2005). Förhållandet mellan spel och videospel: ett svar på Johansson och Gotestam. Psychol. Rep. 96 644 – 646. 10.2466 / pr0.96.3.644-646 [PubMed] [Cross Ref]
Guo W., Liu F., Zhang J., Zhang Z., Yu L., Liu J., et al. (2013). Dissociation av regional aktivitet i nätverket för standardläge i första avsnitt, läkemedelsnaiv major depressiv störning i vila. J. Affect. Disord. 151 1097 – 1101. 10.1016 / j.jad.2013.09.003 [PubMed] [Cross Ref]
Han DH, Bolo N., Daniels MA, Arenella L., Lyoo IK, Renshaw PF (2011a). Hjärnaktivitet och önskan efter Internet-videospel. Compr. Psykiatri 52 88 – 95. 10.1016 / j.comppsych.2010.04.004 [PMC gratis artikel] [PubMed] [Cross Ref]
Han Y., Wang J., Zhao Z., Min B., Lu J., Li K., et al. (2011b). Frekvensberoende förändringar i amplituden av lågfrekventa fluktuationer i amnestisk mild kognitiv nedsättning: en fMRI-studie i vilotillstånd. NeuroImage 55 287 – 295. 10.1016 / j.neuroimage.2010.11.059 [PubMed] [Cross Ref]
Han DH, Lyoo IK, Renshaw PF (2012). Differentiella regionala gråmaterialvolymer hos patienter med online-spelberoende och professionella spelare. J. Psychiatr. Res. 46 507 – 515. 10.1016 / j.jpsychires.2012.01.004 [PMC gratis artikel] [PubMed] [Cross Ref]
Hong S.-B., Kim J.-W., Choi E.-J., Kim H.-H., Suh J.-E., Kim C.-D., et al. (2013). Minskad kortborttjocklek för orbitofrontal hos manliga ungdomar med internetberoende. Behav. Brain Funct. 9 1–5. 10.1186/1744-9081-9-11 [PMC gratis artikel] [PubMed] [Cross Ref]
Ito M. (2006). Cerebellar kretsar som en neuronal maskin. Progr. Neurobiol. 78 272 – 303. 10.1016 / j.pneurobio.2006.02.006 [PubMed] [Cross Ref]
Jiang G.-H., Qiu Y.-W., Zhang X.-L., Han L.-J., Lv X.-F., Li L.-M., et al. (2011). Lågfrekvenssvängningar hos amplitud hos heroinanvändare: en fMRI-studie i vila. NeuroImage 57 149 – 154. 10.1016 / j.neuroimage.2011.04.004 [PubMed] [Cross Ref]
Knyazev GG (2007). Motivation, känslor och deras hämmande kontroll speglas i hjärnans svängningar. Neurosci. Biobehav. Varv. 31 377 – 395. 10.1016 / j.neubiorev.2006.10.004 [PubMed] [Cross Ref]
Ko C. (2014). Internet-spelstörning. Curr. Addic. Rep. 1 177-185.
Kuss DJ, Griffiths MD (2012). Internet- och spelberoende: en systematisk litteraturöversikt av neuroimaging-studier. Brain Sci. 2 347 – 374. 10.3390 / brainsci2030347 [PMC gratis artikel] [PubMed] [Cross Ref]
Lecrubier Y., Sheehan DV, Weiller E., Amorim P., Bonora I., Harnett Sheehan K., et al. (1997). Den internationella mini-neuropsykiatriska intervjun (MINI). En kort diagnostisk strukturerad intervju: tillförlitlighet och giltighet enligt CIDI. Eur. Psykiatri 12 224-231.
Liu J., Gao XP, Osunde I., Li X., Zhou SK, Zheng HR, et al. (2010). Ökad regional homogenitet vid internetberoende, en funktionsstudie av magnetisk resonans i vila tillstånd (2009). Haka. Med. J. (engl.) 123 1904-1908. [PubMed]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2013). Lilla hjärnan och beroende: insikt från neuroimaging-forskning. Missbrukare. Biol. 19 317 – 331. 10.1111 / adb.12101 [PMC gratis artikel] [PubMed] [Cross Ref]
Paus T. (2001). Primate anterior cingulate cortex: där motorstyrning, drivning och kognitionsgränssnitt. Nat. Rev. Neurosci. 2 417-424. 10.1038 / 35077500 [PubMed] [Cross Ref]
Penttonen M., Buzsáki G. (2003). Naturligt logaritmiskt förhållande mellan hjärnoscillatorer. Thalamus Relat. Syst. 2 145 – 152. 10.1017 / S1472928803000074 [Cross Ref]
Petry NM, O'Brien CP (2013). Internet-spelstörning och DSM-5. Addiction 108 1186 – 1187. 10.1111 / add.12162 [PubMed] [Cross Ref]
Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf H.-J., Mößle T., et al. (2014). En internationell konsensus för att bedöma störning av internet-spel med den nya DSM-5-metoden. Addiction 109 1399 – 1406. 10.1111 / add.12457 [PubMed] [Cross Ref]
Raymond JL, Lisberger SG, Mauk MD (1996). Lilla hjärnan: en neuronal inlärningsmaskin? Vetenskap 272 1126 – 1131. 10.1126 / science.272.5265.1126 [PubMed] [Cross Ref]
Stoodley CJ, Valera EM, Schmahmann JD (2012). Funktionell topografi av cerebellum för motoriska och kognitiva uppgifter: en fMRI-studie. NeuroImage 59 1560 – 1570. 10.1016 / j.neuroimage.2011.08.065 [PMC gratis artikel] [PubMed] [Cross Ref]
Tao R., Huang X., Wang J. (2008). Ett förslag till kriterium för klinisk diagnos av internetberoende. Med. J. Chin. Peoples Liberat. Army 33 1188-1191.
Tao R., Huang X., Wang J., Zhang H., Zhang Y., Li M. (2010). Föreslagna diagnostiska kriterier för internetberoende. Addiction 105 556 – 564. 10.1111 / j.1360-0443.2009.02828.x [PubMed] [Cross Ref]
Van Rooij AJ, Schoenmakers TM, Vermulst AA, Van den Eijnden RJJM, Van de Mheen D. (2011). Online beroende av videospel: identifiering av beroende tonåringar. Addiction 106 205 – 212. 10.1111 / j.1360-0443.2010.03104.x [PubMed] [Cross Ref]
Weinstein A., Lejoyeux M. (2015). Ny utveckling av neurobiologiska och farmako-genetiska mekanismer som ligger bakom internet- och videospelberoende. Am. J. Addict. 24 117 – 125. 10.1111 / ajad.12110 [PubMed] [Cross Ref]
Weng C.-B., Qian R.-B., Fu X.-M., Lin B., Han X.-P., Niu C.-S., et al. (2013). Grå materia- och vitmaterialavvikelser i online-spelberoende. Eur. J. Radiol. 82 1308 – 1312. 10.1016 / j.ejrad.2013.01.031 [PubMed] [Cross Ref]
Xu S.-H. (2013). Internet missbrukare. Beteendeimpulsivitet: bevis från iowa-speluppgiften: Internet-missbrukares beteendeimpulsivitet: bevis från iowa-speluppgiften. Acta Psychol. Sinica 44 1523-1534.
Yan C., Zang Y. (2010). DPARSF: en matlabverktygslåda för "pipeline" -analys av fMRI i viloläge. Främre. Syst. Neurosci. 14: 13 10.3389 / fnsys.2010.00013 [PMC gratis artikel] [PubMed] [Cross Ref]
Unga KS (1998). Internetberoende: uppkomsten av en ny klinisk störning. Cyber Psychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Cross Ref]
Yu R., Chien Y.-L., Wang H.-LS, Liu C.-M., Liu C.-C., Hwang T.-J., et al. (2014). Frekvensspecifika alternationer i amplituden av lågfrekventa fluktuationer i schizofreni. Brum. Brain Mapp. 35 627–637. 10.1002/hbm.22203 [PubMed] [Cross Ref]
Yuan K., Jin C., Cheng P., Yang X., Dong T., Bi Y., et al. (2013). Amplitude av lågfrekventa fluktuationsavvikelser hos ungdomar med online-spelberoende. PLoS ONE 8: e78708 10.1371 / journal.pone.0078708 [PMC gratis artikel] [PubMed] [Cross Ref]
Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X., et al. (2011). Misstörningar i mikrostrukturer hos ungdomar med internetberoende. PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [PMC gratis artikel] [PubMed] [Cross Ref]
Zang Y.-F., He Y., Zhu C.-Z., Cao Q.-J., Sui M.-Q., Liang M., et al. (2007a). Förändrad baslinjeaktivitet hos barn med ADHD avslöjad genom vilotillstånd MRI. Brain Dev. 29 83 – 91. 10.1016 / j.braindev.2006.07.002 [PubMed] [Cross Ref]
Zang Y.-F., Yong H., Chao-Zhe Z., Qing-Jiu C., Man-Qiu S., Meng L., et al. (2007b). Förändrad baslinjeaktivitet hos barn med ADHD avslöjad genom vilotillstånd MRI. Brain Dev. 29 83 – 91. 10.1016 / j.braindev.2006.07.002 [PubMed] [Cross Ref]
Zou Q.-H., Zhu C.-Z., Yang Y., Zuo X.-N., Long X.-Y., Cao Q.-J., et al. (2008). Ett förbättrat tillvägagångssätt för detektion av amplituden hos lågfrekvensfluktuationer (ALFF) för vilande tillstånd fMRI: fraktionerad ALFF J. Neurosci. metoder 172 137 – 141. 10.1016 / j.jneumeth.2008.04.012 [PMC gratis artikel] [PubMed] [Cross Ref]
Zuo X.-N., Di Martino A., Kelly C., Shehzad ZE, Gee DG, Klein DF, et al. (2010). Den svängande hjärnan: komplex och pålitlig. NeuroImage 49 1432 – 1445. 10.1016 / j.neuroimage.2009.09.037 [PMC gratis artikel] [PubMed] [Cross Ref]