Mikrostrukturavvikelser hos ungdomar med Internetberoende. (2011)

Material och metoder ★★★★

Alla forskningsförfaranden godkändes av West China Hospital Subcommitté för mänskliga studier och genomfördes i enlighet med Helsingforsdeklarationen.

2.1-ämnen

Enligt det modifierade Young Diagnostic Questionnaire for Internet addiction (YDQ) kriterierna av Beard and Wolf [16], [29], arton nybörjare och andra studenter med IAD (12 män, medelålder = 19.4 ± 3.1 år, utbildning 13.4 ± 2.5 år) deltog i vår studie. YDQ-kriterierna [16] bestod av följande åtta "ja" eller "nej" frågor som var: (1) Känner du dig uppslukad på Internet (kom ihåg tidigare aktivitet online eller önskad nästa online session)? (2) Känner du dig nöjd med Internetanvändningen om du ökar din online-tid? (3) Har du misslyckats med att kontrollera, minska eller sluta använda Internet upprepade gånger? (4) Känner du dig nervös, temperamentsfull, deprimerad eller känslig när du försöker minska eller sluta använda Internet? (5) Stannar du online längre än vad som ursprungligen var avsett? (6) Har du tagit risken att förlora en betydande relation, jobb, utbildning eller karriär på grund av Internet? (7) Har du ljugit för dina familjemedlemmar, terapeuter eller andra för att dölja sanningen om ditt engagemang på Internet? (8) Använder du Internet som ett sätt att fly från problem eller för att lindra en orolig stämning (t.ex. känslor av hjälplöshet, skuld, ångest eller depression)? Alla de åtta frågorna översattes till kinesiska. Young hävdade att fem eller fler "ja" -svar på de åtta frågorna indikerade en internetberoende användare [16]. Senare ändrade Beard och Wolf YDQ-kriterierna [29]och respondenter som svarade ”ja” på frågorna 1 till 5 och åtminstone någon av de återstående tre frågorna klassificerades som lider av internetberoende, vilket användes för screening av ämnena i den aktuella studien. Missbruket var en gradvis process, så vi undersökte om det fanns några linjära förändringar i hjärnstrukturen eller inte. Varaktigheten av sjukdomen uppskattades via en retrospektiv diagnos. Vi bad ämnena att komma ihåg deras livsstil när de ursprungligen var beroende av internet. För att garantera att de led av internetberoende testade vi dem igen med YDQ-kriterierna modifierade av Beard och Wolf. Vi bekräftade också tillförlitligheten hos självrapporterna från IAD-ämnena genom att prata med sina föräldrar via telefon. IAD-ämnena tillbringade 10.2 ± 2.6 timmar per dag på onlinespel. Dagarna för internetanvändning per vecka var 6.3 ± 0.5. Vi verifierade också denna information från rumskamrater och klasskamrater till IAD-ämnena att de ofta insisterade på att vara på internet sent på kvällen och stör andras liv trots konsekvenserna. Arton ålders- och könsmatchade (p> 0.01) friska kontroller (12 män, medelålder = 19.5 ± 2.8 år, utbildning 13.3 ± 2.0 år) utan personlig eller familjehistoria av psykiska störningar deltog också i vår studie. Enligt en tidigare IAD-studie [19], vi valde hälsosamma kontroller som tillbringade mindre än 2 timmar per dag på internet. De friska kontrollerna testades också med YDQ-kriterierna modifierade av Beard och Wolf för att säkerställa att de inte led av IAD. Alla rekryterade deltagare som visades var infödda kinesiskt talande, använde aldrig olagliga ämnen och var högerhänt. Före scanning av magnetisk resonansavbildning (MRI) utfördes screening av urinläkemedel på alla ämnen för att utesluta missbruk. Uteslutningskriterier för båda grupperna var (1) förekomsten av en neurologisk störning; (2) alkohol, nikotin eller drogmissbruk; (3) graviditet eller menstruation hos kvinnor; och (4) varje fysisk sjukdom såsom hjärntumör, hepatit eller epilepsi enligt bedömning enligt kliniska utvärderingar och medicinska register. Dessutom användes Self-Rating Anxiety Scale (SAS) och Self-Rating Depression Scale (SDS) för att utvärdera de känslomässiga tillstånden för alla deltagare på skanningsdagen. Alla patienter och friska kontroller gav skriftligt informerat samtycke. Mer detaljerad demografisk information gavs i Tabell 1.

2.2 Brain Imaging Methodology and Data Analys

2.2.1 Skanningsparametrar.

Avbildningsdata utfördes på en 3T Siemens-skanner (Allegra; Siemens Medical System) vid Huaxi MR Research Center, West China Hospital vid Sichuan University, Chengdu, Kina. En vanlig spindel med huvudfågel användes tillsammans med fasthållande skumdynor för att minimera huvudrörelsen och för att minska skannerbruset. Bildsekvenser förvärvades med hjälp av diffusionsviktad avbildning med enkelbilds eko-planavbildning i linje med det anterior – posterior kommissurella planet. Diffusionstensorbilder förvärvades med 2-medelvärden. De diffusionssensibiliserande gradienterna applicerades längs 30 icke-linjära riktningar (b = 1000 s / mm²) tillsammans med ett förvärv utan diffusionsvikt (b = 0 s / mm²). Bildparametrarna var 45 kontinuerliga axiella skivor med en skivtjocklek på 3 mm och inget gap, synfält = 240 × 240 mm², repetitionstid / ekotid = 6800 / 93 ms, anskaffningsmatris = 128 × 128. Dessutom erhölls de axiella 3D T1-viktade bilderna med en bortskämd gradientåterkallningssekvens och följande parametrar: TR = 1900 ms; TE = 2.26 ms; vippvinkel = 9⁰; matrisupplösning i plan = 256 × 256; skivor = 176; synfält = 256 mm; voxelstorlek = 1 × 1 × 1 mm.

2.2.2 VBM.

Strukturdata behandlades med ett FSL-VBM-protokoll [30], [31] med FSL 4.1-programvara [32]. Först extraherades alla T1-bilder med hjälp av hjärnutdragningsverktyget (BET) [33]. Därefter utfördes segmentering av vävnadstyp med FMRIB: s automatiserade segmenteringsverktyg (FAST) V4.1 [34]. De resulterande gråvolymen delvisa volymbilderna anpassades sedan till MNI152 standardutrymme med FMRIB: s linjära bildregistreringsverktyg (FLIRT) [35], [36]följt av icke-linjär registrering med FMRIB: s icke-linjära bildregistreringsverktyg (FNIRT) [37], [38], som använder en b-spline-representation av registreringsvarpfältet [39]. De resulterande bilderna beräknades i genomsnitt för att skapa en studie-specifik mall, till vilka de ursprungliga gråmaterialbilderna omregistrerades sedan. Det optimerade protokollet införde en modulering för sammandragningen / utvidgningen på grund av den icke-linjära komponenten i transformationen: varje voxel i den registrerade gråmaterialbilden delades av Jacobian i varpfältet. Slutligen, för att välja den bästa utjämningskärnan, jämnades alla 32-modulerade, normaliserade gråmaterialvolymbilder ut med isotropa gaussiska kärnor som ökade i storlek (sigma = 2.5, 3, 3.5 och 4 mm, motsvarande en 6, 7, 8 respektive 9.2 mm FWHM). Regionala förändringar i gråmaterial utvärderades med användning av permutationsbaserad icke-parametrisk test med 5000 slumpmässiga permutationer [40]. Analys av kovarians (ANCOVA) användes med ålder, könseffekter och total intrakraniell volym som kovariater. Total intrakraniell volym beräknades som summan av gråmaterial, vitmaterial och cerebrospinalvätskevolymer från FSL BET-segmenteringar. Nyligen har Dong et al. fann att depression och ångestpoäng var betydligt högre efter beroendet jämfört med före beroendet hos vissa högskolestudenter, och de antydde att detta var resultat från IAD, varför SAS och SDS inte inkluderades som förvirring [41]. Korrigering för flera jämförelser utfördes med användning av en klusterbaserad tröskelmetod, varvid ett initialt kluster bildade en tröskel vid t = 2.0. Resultaten ansågs vara betydelsefulla för p<0.05. För de regioner där IAD-försökspersoner visade signifikant olika volymer av gråmaterial från kontrollerna, extraherades, beräknades medelvärdet och regrimerades volymen av gråämnen i dessa områden mot internetberoende.

2.2.3 DTI.

Vi beräknade FA-värdet för varje voxel, vilket återspeglade graden av diffusionsanisotropi inom en voxel (intervall 0 – 1, där mindre värden indikerade mer isotropisk diffusion och mindre koherens och stora värden indikerade riktningsberoende av brownisk rörelse på grund av vita materieområden) [42]. FDT-programvara i FSL 4.1 användes för FA-beräkning [32]. Först och främst gjordes korrektion för virvelströmmar och huvudrörelse med hjälp av affinregistrering på den första icke-diffusionsvägda volymen för varje ämne. FA-bilder skapades genom att anpassa diffusionstännaren till rådiffusionsdata efter hjärnekstraktion med användning av BET [33]. Sedan utfördes en voxelvis statistisk analys av FA-data med hjälp av den traktbaserade rumsliga statistiken (TBSS) V1.2-delen av FSL [43], [44]. FA-bilder från alla försökspersoner (IAD-ämnen och friska kontroller) anpassades till en FMRIB58_FA standard-rymdbild av FNIRT [37], [38] med hjälp av en b-spline-representation av registreringsvarpfältet [39]. Den genomsnittliga FA-bilden skapades sedan och uttunnades för att skapa ett genomsnittligt FA-skelett (tröskel 0.2) som representerar centrum för alla trakter som är gemensamma för gruppen. Varje ämnes anpassade FA-data projicerades sedan tillbaka på detta skelett. Förändringar av vit substans FA-värde bedömdes med hjälp av permutationsbaserad icke-parametrisk testning [40] med 5000 slumpmässiga permutationer. ANCOVA anställdes med ålder och könseffekter som kovariater. Korrigering för flera jämförelser utfördes med användning av en klusterbaserad tröskelmetod, med en initial klusterbildande tröskel av t = 2.0. Resultaten ansågs vara betydelsefulla för p<0.05. För de kluster där ämnen för internetberoende visade signifikant olika FA-värden från kontrollerna extraherades FA, dessa hjärnregioners medelvärde och regression mot internetberoende.

2.2.4 Interaktion mellan gråmaterial och abnormiteter i vitmaterial.

För att undersöka interaktioner mellan förändringar av gråmaterial och förändringar av vitmaterial utfördes en korrelationsanalys mellan onormala gråmaterialvolymer och vitmaterial FA-värden i IAD-gruppen.

Resultat

3.1 VBM-resultat

Regionala gråmaterialvolymförändringar bedömdes icke-parametriskt med hjälp av optimerad VBM. Korrigering för flera jämförelser utfördes med användning av en klusterbaserad tröskelmetod. VBM-jämförelse mellan IAD-individer och matchade friska kontroller indikerade minskad gråmaterialvolym i flera kluster, dvs det bilaterala DLPFC, det kompletterande motorområdet (SMA), OFC, cerebellum och vänster rostral ACC (rACC), efter att ha kontrollerat för potentiell förvirring variabler inklusive ålder, könseffekter och total intrakraniell volym. Gråmaterialvolymer för höger DLPFC, vänster rACC och höger SMA visade en negativ korrelation med månader av internetberoende (r1 = −0.7256, p1 <0.005; r2 = −0.7409, p2 <0.005; r3 = −0.6451, p3 <0.005). Inga hjärnregioner visade högre gråmaterialvolym än friska kontroller som visas i Figur 1 och Tabell 2

  

 

 

 

 

 

 

 

 

 

Figur 1. VBM-resultat.

A. Minskad gråmaterialvolym i IAD-motiv, (1-p) korrigerade p-värdera bilder. Bakgrundsbilden är standardmallen MNI152_T1_1mm_brain i FSL. B. Gråmaterialvolymerna för DLPFC, rACC och SMA korrelerades negativt med varaktigheten för internetberoende.

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Tabell 2. Regioner som visade onormal gråmaterialvolym och vitmaterial FA (fraktionerad anisotropi) mellan försökspersoner med internetberoende störning (IAD) och friska kontroller (p<0.05 korrigerad).

doi: 10.1371 / journal.pone.0020708.t002

3.2 DTI-resultat

När det gäller DTI-dataanalys utfördes korrigering för flera jämförelser med användning av den klusterbaserade tröskelmetoden. Våra TBSS-resultat avslöjade förbättrat FA-värde (IAD: 0.78 ± 0.04; kontroll: 0.56 ± 0.02) på den vänstra bakre delen av den inre kapseln (PLIC) i IAD-personer jämfört med friska kontroller och reducerat FA-värde (IAD: 0.31 ± 0.04; kontroll: 0.48 ± 0.03) i den vita substansen inom höger parahippocampal gyrus (PHG) som visas i Figur 2 och Tabell 2. Dessutom tenderade FA att korrelera positivt med varaktigheten för internetberoende i vänster PLIC (r = 0.5869, p <0.05), medan ingen signifikant korrelation observerades mellan FA-värdet för rätt PHG och varaktigheten av internetberoende

  

 

 

 

 

 

 

 

 

 

 

 

 

Figur 2. DTI-resultat.

A. Vita materialstrukturer som visar onormal FA hos IAD-personer, (1-p) korrigerade p-värdera bilder. Bakgrundsbilden är standardmallen FMRIB58_FA_1mm i FSL. Rödgul voxels representerar regioner i vilka FA minskades signifikant i IAD relativt friska kontroller. Blue-Light Blue voxels representerar ökad FA i IAD. B. PLIC: s FA korrelerades positivt med varaktigheten för internetberoende.

doi: 10.1371 / journal.pone.0020708.g002

3.3 Interaktion mellan gråmaterial och abnormiteter i vitmaterial

Interaktionsanalysen mellan gråmaterialvolymer och vitmaterial FA-värden i IAD-gruppen avslöjade att det inte fanns några signifikanta korrelationer mellan dessa två mått.

Diskussion ★★★★

IAD resulterade i nedsatt individuellt psykologiskt välbefinnande, akademiskt misslyckande och minskad arbetsprestanda bland ungdomar [12]-[18]. Men det finns för närvarande ingen standardiserad behandling för IAD. Utveckling av effektiva metoder för ingripande och behandling av IAD kommer först att kräva en tydlig förståelse av mekanismerna. Medvetenhet om strukturella avvikelser i hjärnan i IAD är avgörande för att identifiera möjliga farmakoterapier för att behandla denna störning. I den aktuella studien upptäckte vi gråmaterialförändringar och FA-förändringar i vitmaterial hos ungdomar med IAD. Vi avslöjade också sambandet mellan dessa strukturella avvikelser och internetberoende. Vi föreslog att IAD resulterade i strukturella förändringar i hjärnan hos ungdomarna och dessa strukturella avvikelser var förmodligen förknippade med funktionsnedsättningar i kognitiv kontroll.

4.1 VBM-resultat

I överensstämmelse med en tidigare VBM-studie [21], vi hittade inga hjärnregioner som visade ökad gråmaterialvolym hos internetberoende. Regional gråmaterialvolymjämförelse indikerade atrofi inom flera kluster för hela gruppen internetberoende (p <0.05, korrigerad), som var den bilaterala DLPFC, SMA, cerebellum, OFC och den vänstra rACC (som visas i Figur 1). Dessutom var atrofi av höger DLPFC, vänster rACC och höger SMA negativt korrelerade med varaktigheten för internetberoende, vilket Zhou et al. misslyckades med att upptäcka [21]. Dessa resultat visade att när internetberoende fortsatte, var hjärnatrofi av DLPFC, rACC och SMA allvarligare. Vissa resultat av hjärnatrofi i vår studie skilde sig från tidigare resultat [21], vilket kan bero på de olika databehandlingsmetoderna. I den aktuella studien inkluderades de möjliga förvirrande effekterna av ålder, kön och hela hjärnvolymen som kovariater, vilket den tidigare studien inte beaktade. De olika behandlingsmetoderna gav möjligen upphov till de olika resultaten.

Enligt tidigare drogmissbrukstudier, långvarig drogmissbruk [45], [46] och internetberoende [11], [20] kommer att leda till nedsatt kognitiv kontroll. Kognitiv kontroll kan konceptualiseras som förmågan att undertrycka prepotenta men felaktiga svar och förmågan att filtrera bort irrelevant information inom en stimulansuppsättning och tillåta lämpliga åtgärder för att möta komplicerade uppgiftskrav och anpassning till förändrade miljöer [47]. Många funktionsstudier av hjärnavbildning har avslöjat att DLPFC och rACC var centralt involverade i kognitiv kontroll [48], [49]. Olika neurokognitiva studier har visat att kognitiv kontroll är relaterad till en specifik cortico-subcortical krets, inklusive rACC och DLPFC [50], [51]. Enligt en framträdande hypotese om konfliktövervakning [47], [52], förekomsten av svarskonflikt signaleras av rACC, vilket leder till rekrytering av DLPFC för mer kognitiv kontroll för efterföljande prestationer. Denna viktiga roll av DLPFC har identifierats i neurovetenskaplig forskning med top-down regleringsprocesser för kognitiv kontroll [53]. Nya neuroimaging-studier har också avslöjat deaktivering av rACC i en GO / NOGO-uppgift i heroinberoende individer [54], [55] och kokainanvändare [45], vilket indikerar den kritiska rollen för rACC i kognitiv kontroll [46].

OFC anses också bidra till kognitiv kontroll av målinriktat beteende genom bedömning av stimulansens motivationsbetydelse och val av beteende för att uppnå önskade resultat [56]. OFC har omfattande förbindelser med striatum och limbiska regioner (såsom amygdala). Som ett resultat är OFC väl beläget för att integrera aktiviteten i flera limbiska och subkortiska områden förknippade med motiverande beteende och belöningsbearbetning [57]. Vissa djurstudier har visat att skada på både OFC och råttens prelimbic cortex (den funktionella homologen av den mänskliga DLPFC) försämrade förvärvet och modifieringen av beteende styrd av kontingenser mellan svar och resultat, vilket indikerar att dessa regioner kan vara avgörande för kognitiv kontroll av målinriktat beteende [56], [58].

SMA är avgörande för val av lämpligt beteende, oavsett om man väljer att utföra ett lämpligt svar eller välja att hämma ett olämpligt svar [59]. Vissa forskare upptäckte att både enkla och komplexa GO / NOGO-uppgifter var involverade i SMA och de avslöjade SMA: s viktiga roll i att förmedla kognitiv kontroll [46], [60].

Flera anatomiska, fysiologiska och funktionella avbildningsstudier tyder på att cerebellum bidrar till högre ordning kognitiva funktioner [61]-[64], med diskreta skador på cerebellum som resulterar i försämrad funktion av funktionen och arbetsminnet, även i personlighetsförändringar som oinhibiterat och olämpligt beteende.

Våra resultat (Figur 1) av den reducerade gråmaterialvolymen i DLPFC, rACC, OFC, SMA och cerebellum kan åtminstone delvis vara förknippade med kognitiv kontroll och målinriktad beteendefunktion vid internetberoende [15], [19], [20], [28], vilket kan förklara grundläggande symtom på internetberoende.

4.2 DTI-resultat

Vi beräknade FA-värdet i varje vitmaterial-voxel för varje ämne, som kvantifierade styrkan i riktningsstyrkan hos den lokala kanalens mikrostruktur. Hela hjärnans voxelmässiga jämförelser över vitämnesskelettet med användning av permutationstestning och stränga statistiska tröskelvärden indikerade att IAD-individer hade lägre FA-värden i ett kluster inom rätt PHG (p <0.05, korrigerad). Å andra sidan visade sökandet efter ökad FA i IAD-ämnen att IAD-ämnen hade högre FA-värden i ett kluster inom vänster PLIC (p <0.05, korrigerad). Dessutom korrelerades FA-värdet för vänster PLIC positivt med varaktigheten av internetberoende (Figur 2).

PHG är en hjärnregion som omger hippocampus och spelar en viktig roll i minneskodning och återhämtning [65], [66]. PHG tillhandahåller den huvudsakliga polysensoriska inmatningen till hippocampus genom de entorhinala anslutningarna och är mottagaren av olika kombinationer av sensorisk information [67], [68], som är involverade i kognition och emotionell reglering [69]. Nyligen föreslog vissa forskare att rätt PHG bidrar till bildandet och underhållet av bunden information i arbetsminnet [70]. Arbetsminnet ägnas åt tillfällig lagring och online-manipulering av information och är avgörande för kognitiv kontroll [71]. Upptäckten att det lägre FA-värdet för PHG i IAD-individer visade att onormala vitmaterialegenskaper kanske den strukturella grunden för funktionsunderskott i arbetsminnet hos IAD-ämnen [19]. Nyligen har Liu et al. [72] rapporterade ökad ReHo i den bilaterala PHG i IAD-studenter jämfört med kontrollerna och föreslog att detta resultat återspeglade den funktionella förändringen i hjärnan, eventuellt relaterad till belöningsvägarna. Uppenbarligen behövs mer arbete för att förstå PHG: s korrekta roll i IAD.

Anatomiskt är den inre kapseln ett område med vit substans i hjärnan som separerar caudatkärnan och talamusen från linsformad kärna, som innehåller både stigande och fallande axoner. Förutom kortikospinala och kortikopontinfibrer innehåller den inre kapseln talamokortikala och kortikofugala fibrer [73], [74]. Den bakre delen av den inre kapseln innehåller kortikospinala fibrer, sensoriska fibrer (inklusive medial lemniscus och det anterolaterala systemet) från kroppen och några få kortikobulära fibrer [73]-[76]. Den primära motoriska cortex skickar sina axoner genom den bakre delen av den inre kapseln och spelar viktiga roller i fingerrörelsen och motoriska bilder [77], [78]. Det möjliga skälet för FA-värdena vid förbättring av intern kapsel var att IAD-försökspersonarna tillbringade mer tid på att spela datorspel och de repetitiva motoriska åtgärderna som att klicka med musen och tangentbordstypen förändrade strukturen för den interna kapseln. Som fynd som träning ändrade hjärnstrukturen i andra studier [79]-[81], dessa långvariga utbildningar förmodligen förändrade vitmaterialstrukturen i PLIC. Informationsöverföring mellan frontala och subkortiska hjärnregioner modulerade högre kognitiv funktion och mänskligt beteende [82], [83], som förlitade sig på de vita materialens fiberkanaler som passerade genom den inre kapseln [83], [84]. Strukturella avvikelser i den inre kapseln kan följaktligen störa den kognitiva funktionen och försämra funktions- och minnesfunktioner [85]. Det onormala FA-värdet för vänster PLIC kan påverka sensorisk informationsöverföring och bearbetning och slutligen leda till nedsatt kognitiv kontroll [86], [87]. Att vara beroende av internet kan dessutom orsaka fysiskt obehag eller medicinska problem som: karpaltunnelsyndrom, torra ögon, ryggvärk och svår huvudvärk [88]-[90]. Det onormala FA-värdet för vänster PLIC kan förklara karpaltunnelsyndromet hos IAD-ämnen, som måste verifieras med en mer sofistikerad design i framtiden.

4.3 Interaktion mellan gråmaterial och abnormiteter i vitmaterial

Vi har undersökt sambandet mellan förändringar i grå substans och vit substans. Tyvärr fanns det inga signifikanta samband mellan dessa två åtgärder. Detta fenomen föreslog att de morfologiska förändringarna av IAD på hjärnans gråa ämnen och vita ämnen inte var signifikant linjära korrelerade. Det fanns möjligheten att gråmaterialavvikelserna kopplade samman förändringarna av vit substans på något annat sätt. Våra resultat visade dock att strukturegenskaperna hos grå substans och vit substans var onormala hos ungdomar med IAD.

Det finns vissa begränsningar i den aktuella studien. Först och främst, medan våra resultat har visat att förändringar av gråmaterial och vitmaterial kan vara en följd av överdriven internetanvändning eller IAD, kan vi inte utesluta en annan möjlighet som adresserar den strukturella skillnaden mellan de normala kontrollerna och IAD som kan vara orsak till överanvändning av internet. De onormala egenskaperna hos dessa kognitiva kontrollrelaterade hjärnregioner hos vissa ungdomar gör dem relativt omogna och gör att de lätt kan vara internetberoende. Orsaken och följderna bör undersökas av en mer omfattande experimentell design i den framtida studien. Vi föreslog dock att resultaten i denna studie var en följd av IAD. För det andra, med avseende på förhållandet mellan IAD: s strukturella förändringar och varaktighet, är IAD-månaderna en grov karaktärisering av minnet av IAD-ämnena. Vi bad ämnena att komma ihåg deras livsstil när de ursprungligen var beroende av internet. För att garantera att de led av internetberoende testade vi dem igen med YDQ-kriterierna modifierade av Beard och Wolf. Vi bekräftade också tillförlitligheten hos självrapporterna från IAD-ämnena genom att prata med sina föräldrar via telefon. Hjärnans strukturella förändringar i enlighet med missbruksprocessen kan vara mer avgörande för att förstå sjukdomen, varför korrelationen mellan varaktighet och hjärnans strukturella åtgärder genomfördes. Dessa korrelationer föreslog att kumulativa effekter hittades i den reducerade gråmaterialvolymen för höger DLPFC, höger SMA, vänster rACC och ökad vit substans FA i vänster PLIC. Slutligen, även om vi föreslog att de strukturella avvikelserna för gråmaterialvolymen och vit substans FA var associerade med funktionsnedsättningar i kognitiv kontroll i IAD, är den största begränsningen i den aktuella studien bristen på kvantitativ indikation på underskotten i kognitiv kontroll i dessa ungdomar med IAD. Även om förhållandena mellan dessa strukturella abnormiteter och varaktigheten för internetberoende bekräftades i vår nuvarande studie, är det fortfarande nödvändigt att utforska mer detaljerat i framtiden, vilket är avgörande för att förstå effekterna. av IAD om långsiktig funktion. I framtiden kommer vi att integrera dessa strukturella fynd med beteendeprestanda för kognitiva uppgifter i ämnen med IAD. Sammantaget förändrade FA och gråmaterialvolymförändringar som visas i den aktuella studien en förändring i hjärnan på mikrostrukturell nivå, vilket förbättrade vår förståelse för IAD.

Slutsats

Vi gav bevis som tyder på att IAD-personer hade flera strukturella förändringar i hjärnan. Gråmaterialatrofi och FA-förändringar i vitmaterial i vissa hjärnregioner korrelerade signifikant med internetberoende. Dessa resultat kan tolkas, åtminstone delvis, som funktionell försämring av kognitiv kontroll i IAD. De prefrontala cortexavvikelserna överensstämde med tidigare missbrukstudier [23], [48], [80], [81], därför föreslog vi att det kan existera delvis överlappande mekanismer i IAD och substansanvändning. Vi hoppades att våra resultat skulle öka vår förståelse för IAD och hjälpa till att förbättra diagnosen och förebygga IAD.

Erkännanden ★★★★

Vi vill tacka Qin Ouyang, Qizhu Wu och Junran Zhang för värdefull teknisk hjälp för att utföra denna forskning.

Referensprojekt ★★★★

1. Ernst M, Pine D, Hardin M (2006) Triadisk modell för neurobiologi för motiverat beteende i tonåren. Psykologisk medicin 36: 299 – 312. Hitta den här artikeln online
2. Csikszentmihalyi M, Larson R, Prescott S (1977) Ekologin för ungdomars aktivitet och erfarenhet. Journal of youth and adolescence 6: 281 – 294. Hitta den här artikeln online
3. Casey B, Tottenham N, Liston C, Durston S (2005) Avbildning av den utvecklande hjärnan: vad har vi lärt oss om kognitiv utveckling? Trender i kognitiva vetenskaper 9: 104 – 110. Hitta den här artikeln online
4. Casey B, Galvan A, Hare T (2005) Förändringar i cerebral funktionell organisation under kognitiv utveckling. Nuvarande åsikt i neurobiologi 15: 239 – 244. Hitta den här artikeln online
5. Ernst M, Nelson E, Jazbec S, McClure E, Monk C, et al. (2005) Amygdala och nucleus accumbens som svar på mottagande och utelämnande av vinster hos vuxna och ungdomar. Neuroimage 25: 1279 – 1291. Hitta den här artikeln online
6. May J, Delgado M, Dahl R, Stenger V, Ryan N, et al. (2004) Event-relaterad funktionell magnetisk resonansavbildning av belöningsrelaterad hjärnkrets hos barn och ungdomar. Biologisk psykiatri 55: 359 – 366.
7. Galvan A, Hare T, Parra C, Penn J, Voss H, et al. (2006) Tidigare utveckling av agenterna relativt orbitofrontal cortex kan ligga till grund för risktagande beteende hos ungdomar. Journal of Neuroscience 26: 6885 – 6892. Hitta den här artikeln online
8. Steinberg L (2005) Kognitiv och affektiv utveckling i tonåren. Trender i kognitiva vetenskaper 9: 69 – 74. Hitta den här artikeln online
9. Pine D, Cohen P, Brook J (2001) Känslomässig reaktivitet och risk för psykopatologi bland ungdomar. CNS-spektrum 6: 27 – 35. Hitta den här artikeln online
10. Silveri M, Tzilos G, Pimentel P, Yurgelun-Todd D (2004) Banor om ungdomars känslomässiga och kognitiva utveckling: effekter av sex och risk för droganvändning. Annals från New York Academy of Sciences 1021: 363 – 370. Hitta den här artikeln online
11. Cao F, Su L, Liu T, Gao X (2007) Förhållandet mellan impulsivitet och internetberoende i ett urval av kinesiska ungdomar. European Psychiatry 22: 466 – 471. Hitta den här artikeln online
12. Ko C, Yen J, Chen S, Yang M, Lin H, et al. (2009) Föreslagna diagnostiska kriterier och screening- och diagnosverktyget för internetberoende hos studenter. Omfattande psykiatri 50: 378 – 384. Hitta den här artikeln online
13. Flisher C (2010) Kopplas in: En översikt över internetberoende. Journal of Pediatrics and Child Health 46: 557 – 559. Hitta den här artikeln online
14. Christakis D (2010) Internetberoende: en 21-epidemin från 1900-talet? BMC-medicin 8: 61. Hitta den här artikeln online
15. Chou C, Condron L, Belland J (2005) En genomgång av forskningen om internetberoende. Pedagogisk psykologgranskning 17: 363 – 388. Hitta den här artikeln online
16. Young K (1998) Internetmissbruk: Uppkomsten av en ny klinisk störning. CyberPsykologi och beteende 1: 237–244. Hitta den här artikeln online
17. Morahan-Martin J, Schumacher P (2000) Förekomst och korrelationer av patologisk internetanvändning bland studenter. Datorer i mänskligt beteende 16: 13 – 29. Hitta den här artikeln online
18. Scherer K (1997) Högskoleliv online: Hälsosam och ohälsosam Internetanvändning. Journal of College Student Development 38: 655 – 665. Hitta den här artikeln online
19. Ko C, Liu G, Hsiao S, Yen J, Yang M, et al. (2009) Hjärnaktiviteter förknippade med spelvärden av online-spelberoende. Journal of psychiatric research 43: 739 – 747. Hitta den här artikeln online
20. Dong G, Lu Q, Zhou H, Zhao X (2010) Impulshämning hos personer med internetberoende: elektrofysiologiska bevis från en Go / NoGo-studie. Neuroscience Letters 485: 138 – 142. Hitta den här artikeln online
21. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2009) Grey Matter abnormalities in Internet addiction: En voxelbaserad morfometriundersökning. European Journal of Radiology. doi:10.1016 / j.ejrad.2009.1010.1025.
22. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. (2010) Ökad regional homogenitet vid internetberoende störning: en studie av funktionell magnetisk resonansavbildning i vila. Kinesisk medicinsk tidskrift 123: 1904 – 1908. Hitta den här artikeln online
23. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Gråmaterialunderskott och avvikelser i vilotillstånd hos abstinenta heroinberoende individer. Neuroscience Letters 482: 101 – 105. Hitta den här artikeln online
24. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Förändrade småvärldsfunktionella nätverk och varaktighet av heroinanvändning hos manliga abstenta heroinberoende individer. Neuroscience Letters 477: 37 – 42. Hitta den här artikeln online
25. Yuan K, Qin W, Dong M, Liu J, Liu P, et al. (2010) Kombinera rumslig och tidsmässig information för att utforska förändringsnätverk förändringar hos abstinenta heroinberoende individer. Neuroscience Letters 475: 20 – 24. Hitta den här artikeln online
26. Liu J, Liang J, Qin W, Tian J, Yuan K, et al. (2009) Dysfunktionella anslutningsmönster hos kroniska heroinanvändare: en fMRI-studie. Neuroscience Letters 460: 72 – 77. Hitta den här artikeln online
27. Volkow N, Fowler J, Wang G (2003) Den beroende människors hjärna: insikter från bildstudier. Journal of Clinical Investigation 111: 1444 – 1451. Hitta den här artikeln online
28. Ko C, Hsiao S, Liu G, Yen J, Yang M, et al. (2010) Egenskaperna för beslutsfattande, potential att ta risker och personlighet hos studenter med internetberoende. Psykiatriforskning 175: 121 – 125. Hitta den här artikeln online
29. Beard K, Wolf E (2001) Ändring i de föreslagna diagnostiska kriterierna för internetberoende. CyberPsychology & Behavior 4: 377–383. Hitta den här artikeln online
30. Ashburner J, Friston K (2000) Voxelbaserad morfometri - metoderna. Neuroimage 11: 805 – 821. Hitta den här artikeln online
31. Good C, Johnsrude I, Ashburner J, Henson R, Fristen K, et al. (2001) En voxelbaserad morfometrisk studie av åldrande i normala, humana hjärnor från vuxna människor. Neuroimage 465: 14 – 21. Hitta den här artikeln online
32. Smith S, Jenkinson M, Woolrich M, Beckmann C, Behrens T, et al. (2004) Framsteg inom funktionell och strukturell MR-bildanalys och implementering som FSL. Neuroimage 23: 208 – 219. Hitta den här artikeln online
33. Smith S (2002) Snabb robust automatiserad hjärnekstraktion. Human Brain Mapping 17: 143 – 155. Hitta den här artikeln online
34. Zhang Y, Brady M, Smith S (2001) Segmentering av MR-bilder från hjärnan genom en dold Markov-slumpfältmodell och förväntnings-maximeringsalgoritmen. IEEE-transaktioner vid medicinsk avbildning 20: 45 – 57. Hitta den här artikeln online
35. Jenkinson M, Smith S (2001) En global optimeringsmetod för robust affinregistrering av hjärnbilder. Medicinsk bildanalys 5: 143 – 156. Hitta den här artikeln online
36. Jenkinson M, Bannister P, Brady M, Smith S (2002) Förbättrad optimering för robust och korrekt linjär registrering och rörelsekorrigering av hjärnbilder. Neuroimage 17: 825 – 841. Hitta den här artikeln online
37. Andersson J, Jenkinson M, Smith S (2007) Icke-linjär optimering. FMRIB-analysgruppens tekniska rapporter: TR07JA02 från www.fmrib.ox.ac.uk/analysis/techrep.
38. Andersson J, Jenkinson M, Smith S (2007) Icke-linjär registrering, alias rumslig normalisering. FMRIB-analysgruppens tekniska rapporter: TR07JA02 från www.fmrib.ox.ac.uk/analysis/techrep.
39. Rueckert D, Sonoda L, Hayes C, Hill D, Leach M, et al. (2002) Registrering med icke-hårdvara med hjälp av deformationer i fri form: applikation på bröst MR-bilder. IEEE-transaktioner vid medicinsk avbildning 18: 712 – 721. Hitta den här artikeln online
40. Nichols T, Holmes A (2002) Nonparametriska permutationstest för funktionell neuroimaging: en grundare med exempel. Human Brain Mapping 15: 1 – 25. Hitta den här artikeln online
41. Dong G, Lu Q, Zhou H, Zhao X, Miles J (2011) föregångare eller sekvens: Patologiska störningar hos personer med internetberoende. PloS one 6: 306 – 307. Hitta den här artikeln online
42. Beaulieu C (2002) Grunden för anisotropisk vattendiffusion i nervsystemet - en teknisk översikt. NMR i biomedicin 15: 435 – 455. Hitta den här artikeln online
43. Smith S, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols T, et al. (2006) Kanalbaserad rymdstatistik: röstvis analys av diffusionsdata för flera ämnen. Neuroimage 31: 1487 – 1505. Hitta den här artikeln online
44. Smith S, Johansen-Berg H, Jenkinson M, Rueckert D, Nichols T, et al. (2007) Förvärv och röstvis analys av diffusionsdata med flera ämnen med spårbaserad rumslig statistik. Naturprotokoll 2: 499 – 503. Hitta den här artikeln online
45. Kaufman J, Ross T, Stein E, Garavan H (2003) Cingulera hypoaktivitet hos kokainanvändare under en GO-NOGO-uppgift, vilket avslöjats av händelserelaterad funktionell magnetisk resonansavbildning. Journal of Neuroscience 23: 7839 – 7843. Hitta den här artikeln online
46. Li C, Sinha R (2008) Hämmande kontroll och emotionell stressreglering: Neuroimaging-bevis för frontal-limbisk dysfunktion vid psyko-stimulerande missbruk. Neuroscience & Biobehavioral Reviews 32: 581–597. Hitta den här artikeln online
47. Botvinick M, Braver T, Barch D, Carter C, Cohen J (2001) Konfliktövervakning och kognitiv kontroll. Psykologisk granskning 108: 624 – 652. Hitta den här artikeln online
48. Krawczyk D (2002) Bidrag från prefrontal cortex till den neurala grunden för mänskligt beslutsfattande. Neuroscience & Biobehavioral Reviews 26: 631–664. Hitta den här artikeln online
49. Wilson S, Sayette M, Fiez J (2004) Prefrontala svar på läkemedelssignaler: en neurokognitiv analys. Nature Neuroscience 7: 211 – 214. Hitta den här artikeln online
50. Barber A, Carter C (2005) Kognitiv kontroll involverad i att övervinna prepotenta svarstendenser och växla mellan uppgifter. Cerebral Cortex 15: 899 – 912. Hitta den här artikeln online
51. MacDonald A, Cohen J, Stenger V, Carter C (2000) Dissocierar rollen för den dorsolaterala prefrontala och främre cingulatbarken i kognitiv kontroll. Vetenskap 288: 1835 – 1838. Hitta den här artikeln online
52. Botvinick M, Nystrom L, Fissell K, Carter C, Cohen J (1999) Konfliktövervakning kontra val-för-handling i främre cingulatbark. Nature 402: 179 – 180. Hitta den här artikeln online
53. Vanderhasselt M, De Raedt R, Baeken C (2009) Dorsolateral prefrontal cortex and Stroop performance: Tackling the lateralization. Psykonomisk bulletin & recension 16: 609–612. Hitta den här artikeln online
54. Forman S, Dougherty G, Casey B, Siegle G, Braver T, et al. (2004) Opiatberoende saknar felberoende aktivering av rostral främre cingulat. Biologisk psykiatri 55: 531 – 537. Hitta den här artikeln online
55. Fu L, Bi G, Zou Z, Wang Y, Ye E, et al. (2008) Nedsatt responsinhibitionsfunktion hos avhängiga heroinberoende: en fMRI-studie. Neuroscience Letters 438: 322 – 326. Hitta den här artikeln online
56. Rolls E (2000) Orbitofrontal cortex och belöning. Cerebral Cortex 10: 284 – 294. Hitta den här artikeln online
57. Groenewegen H, Uylings H (2000) Den prefrontala cortex och integrationen av sensorisk, limbisk och autonom information. Framsteg inom hjärnforskningen 126: 3 – 28. Hitta den här artikeln online
58. Balleine B, Dickinson A (1998) Målstyrd instrumentell åtgärd: beredskap och incitamentsinlärning och deras kortikala underlag. Neuropharmacology 37: 407 – 419. Hitta den här artikeln online
59. Simmonds D, Pekar J, Mostofsky S (2008) Metaanalys av Go / No-go-uppgifter som visar att fMRI-aktivering associerad med svarshämning är arbetsberoende. Neuropsychologia 46: 224 – 232. Hitta den här artikeln online
60. Ray Li C, Huang C, Constable R, Sinha R (2006) Inhibering av avbildningsrespons i en stoppsignaluppgift: neurala korrelerar oberoende av signalövervakning och efter-svar-behandling. Journal of Neuroscience 26: 186 – 192. Hitta den här artikeln online
61. Raymond J, Lisberger S, Mauk M (1996) Lilla hjärnan: en neuronal inlärningsmaskin? Vetenskap 272: 1126 – 1131. Hitta den här artikeln online
62. Schmahmann J, Sherman J (1998) Det cerebellära kognitiva affektiva syndromet. Hjärnan 121: 561 – 579. Hitta den här artikeln online
63. Desmond J (2001) Cerebellar engagemang i kognitiv funktion: bevis från neuroimaging. International Review of Psychiatry 13: 283 – 294. Hitta den här artikeln online
64. Heyder K, Suchan B, Daum I (2004) Kortikosubkortikala bidrag till verkställande kontroll. Acta Psychologica 115: 271 – 289. Hitta den här artikeln online
65. Wagner A, Schacter D, Rotte M, Koutstaal W, Maril A, et al. (1998) Bygga minnen: komma ihåg och glömma verbala upplevelser som förutses av hjärnaktivitet. Vetenskap 281: 1188 – 1191. Hitta den här artikeln online
66. Tulving E, Markowitsch H, Craik F, Habib R, Houle S (1996) Nyhets- och förtroendeaktiveringar i PET-studier av minneskodning och hämtning. Cerebral Cortex 6: 71 – 79. Hitta den här artikeln online
67. Powell H, Guye M, Parker G, Symms M, Boulby P, et al. (2004) Icke-invasiv demonstration in vivo av kopplingarna hos den mänskliga parahippocampala gyrusen. Neuroimage 22: 740 – 747. Hitta den här artikeln online
68. BURWELL R (2000) Parahippocampal-regionen: kortikokortisk anslutning. Annals från New York Academy of Sciences 911: 25 – 42. Hitta den här artikeln online
69. Zhu X, Wang X, Xiao J, Zhong M, Liao J, et al. (2010) Förändrad vitmaterialintegritet i första avsnitt, behandlingsnaiva unga vuxna med allvarlig depressiv störning: En kanalbaserad rumslig statistikstudie. Hjärnforskning 1396: 223 – 229. Hitta den här artikeln online
70. Luck D, Danion J, Marrer C, Pham B, Gounot D, et al. (2010) Höger parahippocampal gyrus bidrar till bildandet och underhållet av bunden information i arbetsminnet. Hjärna och kognition 72: 255 – 263. Hitta den här artikeln online
71. Engle R, Kane M (2003) Ledande uppmärksamhet, arbetsminneskapacitet och en tvåfaktorsteori om kognitiv kontroll. Psychology of Learning and Motivation 44: 145 – 199. Hitta den här artikeln online
72. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. Ökad regional homogenitet i samband med internetberoende: en studie av funktionell magnetisk resonans i vila. Kinesisk medicinsk tidskrift 123: 1904 – 1908. Hitta den här artikeln online
73. Förälder A, Carpenter M (1996) Carpenter's human neuroanatomy: Williams & Wilkins.
74. Wakana S, Jiang H, Nagae-Poetscher L, van Zijl P, Mori S (2004) Fiber Tract-based Atlas of Human White Matter Anatomy1. Radiologi 230: 77 – 87. Hitta den här artikeln online
75. Andersen R, Knight P, Merzenich M (1980) Thalamocortical och corticothalamic conections of AI, AII, and the anteriior auditive field (AFF) in the cat: Evidence ofr two, i huvudsak, sergregarted system av anslutningar. Journal of Comparative Neurology 194: 663 – 701. Hitta den här artikeln online
76. Winer J, Diehl J, Larue D (2001) Prognoser av hörselbark till kattens mediala genikulära kropp. Journal of Comparative Neurology 430: 27 – 55. Hitta den här artikeln online
77. Schnitzler A, Salenius S, Salmelin R, Jousm ki V, Hari R (1997) Involvering av primär motorisk cortex i motoriska bilder: en neuromagnetisk studie. Neuroimage 6: 201 – 208. Hitta den här artikeln online
78. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Både primärmotorisk cortex och kompletterande motorområde spelar en viktig roll i komplex fingerrörelse. Hjärnan 116: 1387 – 1398. Hitta den här artikeln online
79. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et al. (2004) Neuroplasticitet: förändringar i grått material inducerat av träning Nature 427: 311 – 312. Hitta den här artikeln online
80. Boyke J, Driemeyer J, Gaser C, Buchel C, May A (2008) Träningsinducerad hjärnstrukturförändring hos äldre. Journal of Neuroscience 28: 7031 – 7035. Hitta den här artikeln online
81. Scholz J, Klein MC, Behrens TEJ, Johansen-Berg H (2009) Utbildning inducerar förändringar i vitmaterialsarkitektur. Nature Neuroscience 12: 1370 – 1371. Hitta den här artikeln online
82. Cummings JL (1993) Frontal-subkortikala kretsar och mänskligt beteende. Neurologins arkiv 50: 873 – 880. Hitta den här artikeln online
83. Cummings JL (1995) Anatomiska och beteendemässiga aspekter av frontal-subkortikala kretsar. Annals från New York Academy of Sciences 769: 1 – 14. Hitta den här artikeln online
84. Albin RL, Young AB, Penney JB (1989) Den funktionella anatomin av basala ganglia störningar. Trender inom neurovetenskap 12: 366 – 375. Hitta den här artikeln online
85. Levitt JJ, Kubicki M, Nestor PG, Ersner-Hershfield H, Westin C, et al. (2010) En diffusionstensoravbildningstudie av den främre delen av den inre kapseln i schizofreni. Psykiatriforskning 184: 143 – 150. Hitta den här artikeln online
86. Werring D, Clark C, Barker G, Miller D, Parker G, et al. (1998) De strukturella och funktionella mekanismerna för motoråtervinning: kompletterande användning av diffusionsspänning och funktionell magnetisk resonansavbildning i en traumatisk skada på den inre kapseln. Journal of Neurology, Neurosurgery & Psychiatry 65: 863–869. Hitta den här artikeln online
87. Niogi S, Mukherjee P, Ghajar J, Johnson C, Kolster R, et al. (2008) Omfattningen av mikrostrukturell vitmaterialskada vid postkoncussivt syndrom korrelerar med försämrad kognitiv reaktionstid: en 3T diffusionstensoravbildningstudie av mild traumatisk hjärnskada. American Journal of Neuroradiology 29: 967 – 973. Hitta den här artikeln online
88. Young K (1999) Internetberoende: symtom, utvärdering och behandling. Innovationer i klinisk praxis: En källbok 17: 19 – 31. Hitta den här artikeln online
89. Beard K (2005) Internetberoende: en genomgång av aktuella bedömningstekniker och potentiella bedömningsfrågor. CyberPsykologi & beteende 8: 7–14. Hitta den här artikeln online
90. Culver J, Gerr F, Frumkin H (1997) Medicinsk information på Internet. Journal of General Internal Medicine 12: 466 – 470.