Högre medieövergripande aktivitet är associerad med mindre gråmängdstäthet i den främre kingulära cortexen (2014)

Citation: Loh KK, Kanai R (2014) Högre multimediauppgiftsaktivitet i media förknippas med mindre gråmässigtäthet i den främre Cingulate Cortex. PLoS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Redaktör: Katsumi Watanabe, Tokyo University, Japan

Mottagen: Februari 25, 2014; Accepterad: Augusti 8, 2014; Publicerad: September 24, 2014

Upphovsrätt: © 2014 Loh, Kanai. Detta är en artikel med öppen åtkomst som distribueras under villkoren för Creative Commons Attribution License, som tillåter obegränsad användning, distribution och reproduktion i vilket medium som helst, förutsatt att den ursprungliga författaren och källan krediteras.

finansiering: Finansiering för detta projekt kom från ett PRESTO-bidrag från Japans byrå för vetenskap och teknik. Finansierarna hade ingen roll i studiedesign, insamling och analys av data, beslut om att publicera eller förbereda manuskriptet.

Konkurrerande intressen: Författarna har förklarat att inga konkurrerande intressen existerar.

Beskrivning

Multimedia för media, eller samtidigt konsumtion av flera medieformer, är allt vanligare i det moderna samhället [1] och har associerats med minskade kognitiva kontrollförmågor [2] liksom negativa psykosociala effekter som depression och social ångest [3], negativt socialt välbefinnande [4]och dåliga akademiska prestationer [5]. Men vid denna tidpunkt är det lite som är känt om de neurala processerna i samband med multimediauppgifter. Den aktuella studien undersökte förhållanden mellan multitaskningsaktivitet i media och variation i hjärnstrukturen. Forskning har visat att hjärnans struktur kan förändras med långvarig exponering för nya miljöer [6] samt utbildning och erfarenhet [7], [8]. Dessutom förutsäger regional variabilitet i grått och vitt material, bedömt via Voxel-Based Morphometry (VBM) pålitligt individuella skillnader i en rad kognitiva funktioner (se [9] för en granskning). Baserat på ovanstående fynd hypotes vi att differentiella engagemang i media multitasking på samma sätt skulle återspegla skillnader i regionala hjärnstrukturer.

I den aktuella undersökningen, Media-Multitasking Index (MMI, [2]) antas som ett mått på trait media-multitasking. MMI-poäng har konsekvent associerats med individuella prestationer på kognitiva kontrolluppgifter [2], [10],[11]. Som sådan tjänar de som en pålitlig beteendekorrelat med hjärnans strukturvariabilitet. Vi förväntade oss att en individs MMI-poäng skulle återspegla skillnader i hjärnstrukturen, särskilt i kognitiv kontroll och multitasking-regioner. Tidigare forskning har konvergerat rollen för prefrontala kortikala regioner i kognitiv kontroll [12], [13], [14], [15]. Baserat på en lesionsstudie av [16], distinkta regioner är involverade i dissocierbara aspekter av multitasking: de främre och bakre cingulaten är involverade i retrospektivt minne, och de prefrontala regionerna är inblandade i prospektivt minne och planering. Som sådan förväntade vi oss hitta samband mellan multimediauppgiftsaktivitet i media och den strukturella variationen i dessa regioner. Multitasking-aktivitet i media är nära kopplad till personlighetsteg (dvs. neurotism och extraversion [3]), som i sin tur förutsäger strukturella skillnader i hjärnan [17]. Som sådant kan sambandet mellan multitasking i media och hjärnans struktur förvirras av dessa dragskillnader. För att undersöka denna möjlighet undersöks också relationer mellan MMI och Big Five personlighetsdrag.

Vi fick MMI-poäng, Big Five-personlighetstrogmått och magnetisk resonansavbildning (MRI) hos 75 friska vuxna som var relativt väl bekanta med datorer och medieteknik. För att undersöka förhållandet mellan multitaskningsaktivitet i media och variationer i hjärnstrukturen korrelerade vi först individuella MMI-poäng med regional gråmaterialdensitet på en helhjärnnivå via optimerad VBM [18]. Vi undersökte också samband mellan Big Five-drag och MMI-poäng. För att belysa den funktionella betydelsen av våra erhållna strukturella skillnader, analyserade vi vila tillstånd hjärnaktivitet för att belysa samband mellan MMI-poäng och funktionell anslutning i hjärnan.

Metoder

Deltagare

75 friska vuxna (medelålder = 24.6, SD = 5.0, 38 män) rekryterade från University College London (UCL) deltagande pool deltog i den aktuella studien efter att ha informerat skriftligt medgivande. Studien godkändes av den lokala UCL: s etikkommitté (etikansökningskod: 2213 / 002). Vi screenade deltagarna för att inkludera universitetsstudenter och personal som var väl bekanta med datorer och medieteknologi. De återbetalades kontant för sitt deltagande. Bland 75-deltagarna som deltog i VBM-studien samlades fMRI-data från en delmängd av 40-deltagare. Kön, ålder, utbildningsnivå och MMI-poäng skilde sig inte väsentligt mellan de två proverna (Tabell 1).

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (37KB)

• TIFF

  originalbild (190KB)

Tabell 1. Jämförelser mellan demografiska egenskaper och MMI-poäng för deltagare som är involverade i VBM-analyser och funktionella anslutningsanalyser.

doi: 10.1371 / journal.pone.0106698.t001

Modifierad multitasking-frågeformulär för media

En modifierad version av Media Multi-tasking Questionnaire [2] administrerades till alla deltagare. MMI tillhandahöll ett stabilt mått på en individs multimediauppdragsaktivitet. Frågeformuläret bestod av två huvudavsnitt: Det första avsnittet listade 12 vanliga mediatyper och deltagarna rapporterade det totala antalet timmar per vecka de använde med varje medium. I den modifierade versionen som användes i den här studien behölls 10 mediatyper från [2]: Tryckmedia, TV, datorbaserad video, musik, röstsamtal med mobil eller telefon, snabbmeddelanden, SMS-meddelanden (SMS), e-post, webbsurfing och andra datorbaserade applikationer. Objektet "video- eller dataspel" modifierades för att inkludera spel på mobiltelefoner. Objektet "icke-musikljud" ersattes med "med hjälp av webbplatser för sociala nätverk". Ändringarna gjordes för att bättre återspegla de nuvarande trenderna i mediekonsumtionen. Det andra avsnittet bestod av en matris som involverade deltagare som indikerade hur mycket de samtidigt använde alla andra typer av medium när de använde ett primärt medium. Mängden samtidig användning anges på en skala från 1 till 4 (1 = "Aldrig", 2 = "Lite av tiden", 3 = "En del av tiden" och 4 = "För det mesta"). Deltagarnas svar kodades först på följande sätt: "Aldrig" = 0, "Lite av tiden" = 0.33, "En del av tiden" = 0.67 och "Mest av tiden" = 1. Sammanfattning av de omkodade svaren för varje primärt medium gav det genomsnittliga antalet media samtidigt som användes vid användning av ett primärt medium. MMI beräknades baserat på följande formel: Där m_i är medelantalet media som samtidigt används vid användning av primärt medium, i; h_i är antalet timmar per vecka som använts med det primära mediet, i; och h_Totalt är det totala antalet timmar per vecka som använts med alla medieformulär.

Big Five-inventering

The Big Five Inventory (BFI; [19]) gav ett kort och tillförlitligt 44-objekt för de stora fem personlighetsfaktorerna: extraversion (8-artiklar), behaglighet (9-objekt), samvetsgrannhet (9-artiklar), neurotism (8-objekt) och öppenhet för upplevelse (10-artiklar). Vi antog BFI för att undersöka samband mellan MMI och Big Five personlighetstecken i vårt prov.

MRI Data Acquisition

En 1.5 T Siemens Avanto-skanner (Siemens Medical, Erlangen, Tyskland) användes för att skaffa högupplösta T1-viktade strukturella bilder för varje deltagare (MPRAGE; 1 mm³ kubiska voxels; 160 skivor; TR = 2730 ms; TE = 3.57 ms). Funktionell MRI-data erhölls med stigande T2 * -viktad gradient-echo-eko-planar imaging (EPI) -sekvenser som är känsliga för BOLD kontrast. Varje förvärv bestod av 32 sneda skivor, 3.0 × 3.0 mm upplösning, 2.0 mm i tjocklek med 1.0 mm skivgap. EPI-skivorna var vinklade individuellt för varje individ för att reducera känslighetsföremål från näshålan och för att maximera täckningen för orbitofrontala regioner och posterior parietal cortex, medan de offrade täckningen över den temporala polen. Som sådan varierade den slutliga orienteringen mellan 8 ° till 16 °. Tidsintervallet mellan två på varandra följande förvärv av samma segment var 2528 ms med en vippvinkel på 90 grader och en 44 ms ekotid. Synfältet var 192 × 192 mm. Den digitala planupplösningen var 64 × 64 pixlar med en pixeldimension av 3.0 × 3.0 mm. All data förvärvades med en 32-kanals huvudspole. Under den funktionella MR-avsökningen fick deltagarna instruktioner att helt enkelt hålla sig stilla, hålla ögonen öppna och inte tänka på något särskilt. En körning bestod av 180-volymförvärv och de initiala 6-volymerna kasserades från analysen för att undvika förvirring av ostadig magnetisering. FMRI-körningen i vilotillstånd tog ungefär 7.5 minuter.

Voxel-baserad morfometri (VBM) -analys

Voxelbaserad morfometri (VBM; [20]) är en vanligt använt neuroimaging-analysteknik som möjliggör voxelvis statistisk analys av förbehandlade MR-bilder. De högupplösta T1-viktade strukturella genomsökningarna analyserades med VBM via Statistical Parametric Mapping (SPM8, Wellcome Department of Cognitive Neurology). Bilderna segmenterades först för grå och vit materia. Diffeomorf anatomisk registrering genom exponentiated Lie Algebra (DARTEL) utfördes därefter för att samregistrera gråmaterialbilderna. För att säkerställa att den regionala gråmaterialvolymen upprätthölls efter registreringen, modulerades registrerade bilder av den jakobiska determinanten av flödesfälten beräknad av DARTEL. De registrerade gråmaterialbilderna jämnades ut med en Gauss-kärna (full bredd vid halva max = 10 mm) och transformerades sedan och normaliserades till Montreal Neurological Institute (MNI) stereotaktiskt utrymme för ytterligare multipel regressionsanalys.

Multipel regressionsanalys utfördes på de normaliserade gråmaterialbilder med MMI-poäng som huvudregressor. Ålder, kön och total hjärnvolym inkluderades som kovariater av inget intresse för alla regressioner. För att upptäcka voxels där regional gråmaterialdensitet korrelerades med MMI-poäng antog vi en sträng tröskel på p <.05 med familjevis fel hela hjärnan korrigerad.

Funktionell anslutningsanalys

För att utföra den funktionella anslutningsanalysen använde vi verktygslådan Conn funktionell anslutning version 13 (http://www.nitrc.org/projects/conn; [21]) kombinerat med förbehandlingsprocedurer för SPM8. Förbehandlingsstegen, listade i ordning, inkluderade korrigering för skivtiming, omjustering av tidsseriedata till den första volymen (dvs. rörelsekorrigering), samregistrering av funktionell MRI-tidsserie till motsvarande strukturell MRI, segmentering av bilder i separat vävnad typer som gråmaterial, vitmaterial och cerebrospinalvätska (CSF) och normalisering till standard MNI-mallen och rumslig utjämning med ett Gauss-filter (FWHM = 8 mm). Tidsseriedata filtrerades sedan bandpass till 0.01 Hz – 0.1 Hz.

För den fröbaserade funktionella anslutningsanalysen använde vi ett enda betydande kluster som hittades i VBM-analysen som fröregionen av intresse (ROI). Medeltidsserien extraherad från ROI användes en regressor i en multipel regressionsmodell vid en individuell nivåanalys. För att minimera påverkan av förvirrande faktorer inkluderades regressorer för de sex rörelsekorrigeringsparametrarna från förbehandlingen. Dessutom extraherades de genomsnittliga BOLD-signalerna för gråmaterial, vitmaterial och CSF från maskerna som skapades från segmenteringsproceduren och inkluderades också som regressorer för att minimera variationer förknippade med dessa globala signaler. Temporära korrelationer mellan ROI-signalen och resten av hjärnan beräknades och korrelationerna med frö-ROI konverterades till Z-poäng med användning av Fisher-transformationen för analyser av andra nivåer.

Med den Z-transformerade statistiska bilden bestämde vi först hjärnregioner som visade funktionell anslutning till fröens ROI med användning av en voxelvis tröskel av p_{FWE korrigerat}<0.05. Därefter använde vi en mindre sträng tröskel på p<0.001 (okorrigerad) som en mask för att fånga ACC-anslutna regioner för en andra nivå analys där vi syftade till att hitta hjärnregioner med korrelerade med MMI-poäng. Vi inkluderade ålder, kön och totala intrakraniella volymer som kovariater och antog en tröskel på p <0.05 med familjemässigt fel korrigerat för den volym som definieras av den initiala masken. Skälen för inledande maskering var att säkerställa att vår analys var begränsad till hjärnregioner som visar korrelerad aktivitet med utsädesregionen. Även om vi hittade en korrelation med individuella skillnader utanför dessa regioner, skulle sådana resultat troligtvis spegla falska korrelationer. Vi antog en mindre sträng tröskel för maskeringen för att öka kraften i våra andra nivåanalyser.

Bearbetade avbildningsdata såväl som datasätt som innehåller variablerna för både VBM- och funktionell anslutningsregressionsanalyser görs offentligt tillgängliga på: http://dx.doi.org/10.6084/m9.figshare.10​30286.

Resultat

VBM-analys avslöjade en negativ associering mellan MMI-poäng och gråmaterialdensitet i främre cingulatbarken (Figur 1; ACC; t (70) = 5.16, P_{FWE korrigerat} <.05, klusterstorlek = 158 voxels × 1.5³ = 533 mm³; topp MNI-koordinat: x = 12, y = 41, z = 3). Inga andra hjärnregioner visade signifikanta korrelationer med MMI-poäng. Således var högre media-multitasking associerade med mindre gråmaterialvolymer i ACC. Korrelationsanalyser mellan MMI- och BFI-poäng visade emellertid en mycket signifikant samband mellan Extraversion- och MMI-poäng (Tabell 2; r = 0.347, p = 0.002). Som sådan misstänkte vi att den observerade MMI-ACC gråmaterialföreningen kunde förvirras av individuella skillnader i extraversionsresultat. Med tanke på detta upprepade vi den tidigare VBM-analysen som ytterligare kontrollerade för BFI-poäng som ytterligare kovariater. Vi körde en multipel regression (med gråmaterialdensitet som beroende variabel) inklusive MMI och alla Big Five-dragpoäng som prediktorer tillsammans med de demografiska kovariaten. Ett signifikant negativt samband observerades mellan MMI och gråmaterialvolym i den identiska ACC-regionen (t (65) = 5.08, P_{FWE korrigerat}<.05, klusterstorlek = 74 voxels × 1.5³ = 250 mm³; topp MNI-koordinat: x = 12, y = 40, z = 3). Detta antydde att det finns en unik koppling mellan MMI och gråmaterialtäthet i ACC oberoende av variationer i Big Five-personlighetstrekk.

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (475KB)

• TIFF

  originalbild (768KB)

Bild 1. VBM-regressionsanalyser avslöjade att MMI-poäng var signifikant associerade med gråmaterialdensitet i ACC (t (70) = 5.16, P_{FWE korrigerat} <0.05, klusterstorlek = 158 voxels x 1.5³ = 533 mm³; topp MNI-koordinat: x = 12, y = 41, z = 3).

Justerad gråmaterialdensitet i topp-voxeln (Y-axeln) korrelerades negativt (r = -0.54, p<0.001) med MMI-poäng (X-axel).

doi: 10.1371 / journal.pone.0106698.g001

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (20KB)

• TIFF

  originalbild (126KB)

Tabell 2. Korrelationer mellan Multitasking-indexscore för media och Big Five Inventory-poäng.

doi: 10.1371 / journal.pone.0106698.t002

För att belysa den funktionella betydelsen av våra VBM-resultat försökte vi med hjälp av funktionella anslutningsanalyser identifiera hjärnregioner som uppvisade betydande anslutningar med vår erhållna ACC-region av intresse (ROI). Denna analys avslöjade att aktivitet i de erhållna ACC ROI korrelerades med flera hjärnregioner typiskt karakteriserade som Standard Mode Network inklusive de bilaterala temporo-parietal-korsningarna (TPJ; höger halvklot, x = 48, y = −64, z = 36, p_{FWE korrigerat}<0.05; vänster halvklot, x = −44, y = −70, z = 36) och precuneus (x = 4, y = −68, z = 30, p_{FWE korrigerat}<0.05) bland andra regioner (Tabell 3). Dessa resultat antydde att ACC ROI som vi hittade med VBM-analysen troligen kommer att falla inom DMN. Därefter undersökte vi ytterligare om MMI-poäng var förknippade med anslutning mellan våra ACC ROI och DMN-regioner. Regressionsanalyser genomfördes på z-transformerade korrelationer mellan ACC- och DMN-regioner med MMI som den huvudsakliga prediktorn och ålder, kön och total hjärnvolym som kovariater. Inga betydande föreningar dök upp kl p_{FWE korrigerat}<0.05. Men vid en mindre stränga tröskel på p_okorrigerade<0.001, högre MMI-poäng var förknippade med svagare anslutning mellan ACC ROI och förkönsen (Figur 2; precuneus; t (40) = 5.22, p_okorrigerade<0.001, klusterstorlek = 159 mm³; Topp MNI-koordinat: x = 10, y = −50, z = 18). Vi betonar att våra anslutningsresultat erhölls vid ett mindre strängt tröskelvärde och gav begränsade bevis för oss att dra slutsatser om MMI och funktionella anslutningsföreningar. Som sådan tjänade denna uppsättning enbart i den funktionella tolkningen av våra VBM-resultat.

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (795KB)

• TIFF

  originalbild (1.17MB)

Bild 2. Regressionsanalyser avslöjade att anslutning mellan ACC ROI och Precuneus (skärning av blå linjer) var negativt associerad med MMI-poäng (Precuneus; t (40) = 5.22, P_{FWE-okorrigerade}<0.001, klusterstorlek = 159 mm³; Topp MNI-koordinat: x = 10, y = −50, z = 18).

Det var ett negativt förhållande (r = -0.68, p<0.001) mellan justerade Z-transformerade ACC-Precuneus-korrelationer (Y-axel) och MMI-poäng (X-axel).

doi: 10.1371 / journal.pone.0106698.g002

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (34KB)

• TIFF

  originalbild (177KB)

Tabell 3. Hjärnregioner med funktionell anslutning med ACC ROI.

doi: 10.1371 / journal.pone.0106698.t003

Diskussion

Som man antagit avslöjade den aktuella studien ett signifikant samband mellan media-multitasking och variationer i hjärnstrukturen: Individer som rapporterade högre mängder multitasking medier hade mindre gråmaterialdensitet i ACC. Denna förening var signifikant vid en sträng tröskel (p_{FWE korrigerat}<0.05) och var oberoende av de stora fem skillnaderna i personlighetsteg. Vi diskuterar möjliga tolkningar av våra strukturella korrelat mot bakgrund av de senaste bevisen om ACC-funktioner och MMI-beteendekorrelat.

ACC fungerar som en avgörande typ av informationsbehandlingsvägar i hjärnan och har varit inblandad i sensorimotoriska, nociceptiva, högre kognitiva och emotionella / motiverande processer [22], [23]. Av dessa påpekar vi att vår erhållna ACC-region troligen är kopplad till högre kognitiva processer eftersom multitasking i media konsekvent har kopplats till kognitiv kontrollprestanda [2], [10], [11], [24]. Vidare uppvisade ACC ROI signifikant funktionell anslutning med DMN-hjärnregionerna som också typiskt var kopplade till högre kognitiva operationer [25], [26].

När det gäller kognitiv behandling anses ACC vanligtvis vara involverat i fel- eller konfliktdetektering [27], [28]. ACC-aktiveringar observeras vanligtvis i uppgifter som samtidigt aktiverade inkompatibla svar, dvs. Stroop-uppgiften [29], [30], selektiv uppmärksamhet [31] och flankeruppgift [32], [33]. Framför allt har ACC varit inblandat i paradismer med dubbla uppgifter [34], [35] där en individ står inför konkurrerande stimuli och svar i samband med två eller flera uppgifter. Analogt med detta konfronteras individer med olika multimediauppgifter med olika uppgiftskrav förknippade med flera mediatyper som de använder samtidigt. Som sådant skulle vår erhållna ROI kunna impliceras i kognitiva kontrollfunktioner med dubbla uppgifter. En kritisk varning är att de ovannämnda funktionerna normalt tillskrivs rygg ACC i motsats till rostralregionen där vårt ROI är beläget [23], [32], [35], [36]. Men forskare har noterat att denna avgränsning inte är absolut [23], [34], [37]. Speciellt till stöd för vår nuvarande tolkning, Dreher och kollegor [34] rapporterade att rostral ACC är unikt involverat i konfliktdetektering i samband med dubbeluppgift.

Vårt viktigaste fynd tyder på att tyngre media multitaskers hade mindre ACC-volymer. För att belysa möjliga beteendemässiga konsekvenser av reducerade ACC-volymer i tunga multitaskers undersökte vi beteendestudier som kopplade MMI och kognitiv kontroll. En landmärkesstudie av Ophir et al. [2] först avslöjade sambandet mellan ökad multitaskningsaktivitet i media och sämre kognitiv kontroll. De engagerade deltagarna i en rad kognitiva kontrolluppgifter som Stroop-uppgiften, uppgiftsväxling, distraheringsfiltrering och n-back-uppgifterna. I stället för distraherare var tunga multitaskare (i förhållande till lättare multitaskers) långsammare när det gick att upptäcka förändringar i visuella mönster, mer mottagliga för falska återkallelser av distraherarna under en minnesuppgift och var långsammare i uppgiften att byta. Författarna föreslog att tunga multitaskers mindre kunde frivilligt begränsa sin uppmärksamhet endast för uppgifter relevant information. Lui och Wong [24] gav ytterligare bevis på att tyngre multitaskers var sämre med att hämma uppgifter-irrelevanta stimuli och följaktligen kunde prestera bättre i multisensoriska integrationsuppgifter. En efterföljande studie [11] visade att tunga multitaskers presterade sämre på Operation Span Task (OSPAN), vilket mycket liknade ett dubbeluppgiftsparadigm eftersom deltagarna var skyldiga att samtidigt lösa matematiska problem och memorera presenterade brev. Tunga multitaskers rapporterade också mer misslyckanden med uppmärksamhet i vardagen [38]. Men en nyligen genomförd studie av Alzahabi och Becker [10] rapporterade motsatta fynd: tyngre multitaskers var inte sämre i prestanda med dubbla uppgifter och var bättre på att byta uppgifter. De kunde inte heller replikera Ophir et al.s resultat trots att de använde identiska uppgifter. Författarna noterade att deras prov främst var kvinnliga och detta kan ha resulterat i deras diskrepanta fynd. De framhöll vikten av longitudinella studier för att avslöja robusta samband mellan MMI och kognitiv kontroll.

Sammanfattningsvis antyder befintlig MMI-litteratur generellt att individer som bedriver tyngre media-multitasking visar sämre kognitiva kontrollförmågor. Våra nuvarande fynd utvidgar denna litteratur genom att länka tyngre media-multitasking-aktivitet med mindre volymer i ACC: en hjärnregion som är inblandad i kognitiv kontroll baserad på konvergerande neuroimaging-bevis. Vi betonar dock att mer arbete krävs för att fastställa förhållandet mellan ACC-struktur och kognitiva kontrollförmågor. Studier av patienter med ACC-lesioner har gett mycket blandade perspektiv på behovet av ACC i dess implicerade kognitiva funktioner [39], [40], [41].

Det finns också en möjlighet att vår erhållna ACC-region är involverad i känslomässiga / motiverande processer eftersom den ligger i den rostrala ACC som vanligtvis är kopplad till motivation och känslor [23]. Minskade ACC-volymer har ofta varit inblandade i störningar som involverar avvikande emotionell-motiverande bearbetning såsom tvångssyndrom [42], posttraumatisk stressyndrom [43], depression [44] och drog- och icke-drogrelaterade beroende [45], [46]. Baserat på detta perspektiv är det troligt att tyngre media multitaskers, med minskade ACC-volymer, kan vara mindre bortskaffade i emotionell och motiverande reglering. Faktum är att högre MMI-poäng korrelerar med ökad neurotism, sensationssökande och impulsivitet [3], [11] och negativa socioemotionella resultat [4]. Intressant nog var mönstret för strukturella skillnader i hjärnan som erhölls i den aktuella studien liknande de neurala korrelaten för internetberoende (IA). Individer med IA, definierade helt enkelt som patologisk överanvändning av Internet eller datorer, befanns ha minskat grått och vitt material i ACC [46], [47], [48]. Det kan finnas en möjlighet att de två konstruktionerna, media multitasking och IA, var överlappande: MMI tillhandahöll ett mått på hur mycket människor som använde flera enheter på en gång och detta kan relateras till IA vilket innebär en överdriven användning av datorer och internet.

En viktig begränsning för det nuvarande arbetet är att våra resultat erhålls från en tvärsnittsstudie om förhållandet mellan multitaskingbeteende i media och hjärnans struktur. Som sådan kan kausalitetsriktningen mellan dem inte fastställas. Även om det kan tänkas att individer med mindre ACC är mer mottagliga för multitasking på grund av svagare förmåga till kognitiv kontroll eller socioemotionell reglering, är det lika troligt att högre nivåer av exponering för multitasking-situationer leder till strukturella förändringar i ACC. En longitudinell studie krävs för att otvetydigt fastställa orsakssättningen. Våra nuvarande fynd öppnar ett sätt för sådan forskning genom att tillhandahålla en empirisk koppling mellan multitaskningsaktivitet i media och strukturella skillnader i ACC. Ett annat förbehåll är att de nuvarande resultaten kanske inte sträcker sig utöver vår studerade befolkning som är relativt högutbildad och väl utsatt för teknik. I själva verket kan mediekonsumtionsmönster påverkas starkt av demografiska faktorer [1]. Som sådan bör framtida studier undersöka rollen som demografiska faktorer som utbildning och socioekonomisk status för att moderera förhållandet mellan multitasking i media, kognitiv prestanda och hjärnstrukturer.

Sammanfattningsvis hade individer som engagerade sig i fler multitaskningsaktiviteter i media med mindre gråmaterialvolymer i ACC. Detta kan också förklara de sämre kognitiva kontrollprestandan och negativa socioemotionella resultat i samband med ökad media-multitasking. Även om tvärsnittet av vår studie inte tillåter oss att specificera kausalitetsriktningen, visade våra resultat nya samband mellan enskilda medias multitaskingsbeteenden och ACC-strukturskillnader.

Författarbidrag

Tänkt och designat experimenten: KL RK. Utförde experimenten: KL RK. Analyserade data: KL RK. Bidragna reagens / material / analysverktyg: KL RK. Skrivde tidningen: KL RK.