PLoS One 2013 Nov 4;8(11):e78708.
doi: 10.1371 / journal.pone.0078708 eCollection 2013
หยวนเค1, จินซี, เฉิงป, หยางเอ็กซ์, ดงต, Bi Y, Xing L, von Deneen KM, อยู่ดี, หลิวเจ, เหลียงเจ, เฉิงต, ราชวงศ์ฉิน, เทียนเจ.
นามธรรม
การศึกษาเกี่ยวกับระบบประสาทส่วนใหญ่ก่อนหน้านี้ได้แสดงให้เห็นถึงความผิดปกติของโครงสร้างและการทำงานที่เกี่ยวข้องกับงานในวัยรุ่นที่ติดเกมออนไลน์ (OGA) อย่างไรก็ตามการศึกษาเกี่ยวกับการถ่ายภาพด้วยคลื่นสนามแม่เหล็กที่ใช้งานได้ (fMRI) เพียงไม่กี่ชิ้นที่มุ่งเน้นไปที่ความรุนแรงในระดับภูมิภาคของความผันผวนที่เกิดขึ้นเองของระดับออกซิเจนในเลือดขึ้นอยู่กับ (BOLD) ในระหว่างสภาวะพักตัวและการศึกษาน้อยลงได้ตรวจสอบความสัมพันธ์ระหว่างคุณสมบัติของสภาวะพักผ่อนที่ผิดปกติกับการควบคุมความรู้ความเข้าใจที่บกพร่อง ความสามารถ. ในการศึกษาปัจจุบันเราใช้วิธีแอมพลิจูดของความผันผวนของความถี่ต่ำ (ALFF) เพื่อสำรวจลักษณะเฉพาะของการทำงานของสมองที่เกิดขึ้นเองในวัยรุ่นที่มี OGA และการควบคุมที่ดีต่อสุขภาพในระหว่างการพักผ่อน วัยรุ่นสิบแปดคนที่มี OGA และ 18 ปีอาสาสมัครที่มีสุขภาพดีที่มีวุฒิการศึกษาและตรงกับเพศเข้าร่วมในการศึกษานี้ เมื่อเปรียบเทียบกับการควบคุมที่มีสุขภาพดีวัยรุ่นที่มี OGA พบว่าค่า ALFF เพิ่มขึ้นอย่างมีนัยสำคัญในวงโคจรตรงกลางด้านซ้าย (OFC), Precuneus ด้านซ้าย, บริเวณมอเตอร์เสริมด้านซ้าย (SMA), พาราฮิบโปแคมปาลไจรัสด้านขวา (PHG) และทวิภาคีกลาง cingulate เยื่อหุ้มสมอง (MCC) นอกจากนี้ยังตรวจพบความผิดปกติของภูมิภาคเหล่านี้ในการศึกษาการเสพติดก่อนหน้านี้ ที่สำคัญกว่านั้นเราพบว่าค่า ALFF ของ OFC ตรงกลางด้านซ้ายและ Precuneus ด้านซ้ายมีความสัมพันธ์เชิงบวกกับระยะเวลาของ OGA ในวัยรุ่นที่มี OGA ค่า ALFF ของ OFC ตรงกลางด้านซ้ายมีความสัมพันธ์กับประสิทธิภาพการทดสอบ Stroop ของคำสีด้วย ผลการศึกษาของเราชี้ให้เห็นว่าการทำงานของเซลล์ประสาทที่เกิดขึ้นเองผิดปกติในบริเวณเหล่านี้อาจเกี่ยวข้องกับพยาธิสรีรวิทยาพื้นฐานของ OGA
บทนำ
การติดการเล่นเกมออนไลน์ (OGA) หมายถึงการใช้อินเทอร์เน็ตอย่างไม่เหมาะสมและการที่บุคคลไม่สามารถควบคุมการใช้อินเทอร์เน็ตของตนได้ซึ่งจัดเป็นความผิดปกติในการควบคุมแรงกระตุ้นประเภทหนึ่ง [1]-[3]. ข้อมูลจาก China Youth Internet Association (ประกาศเมื่อวันที่ 2 กุมภาพันธ์ 2010) แสดงให้เห็นว่าอัตราการเกิด OGA ในเยาวชนในเมืองของจีนอยู่ที่ประมาณ 14% ในฐานะหนึ่งในปัญหาสุขภาพจิตที่พบบ่อยในวัยรุ่นจีน OGA มีความเกี่ยวข้องกับความเป็นอยู่ที่ดีทางจิตใจของแต่ละบุคคลความล้มเหลวทางวิชาการและประสิทธิภาพการทำงานลดลง [4]ซึ่งปัจจุบันกลายเป็นปัญหาสุขภาพที่รุนแรงมากขึ้นในวัยรุ่นทั่วโลก [5], [6]. ในขณะที่ OGA ยังไม่ได้รับการประมวลผลอย่างเป็นทางการภายในกรอบทางจิตพยาธิการศึกษาจำนวนมากของวัยรุ่น OGA ได้เปิดเผยความผิดปกติของโครงสร้างและการทำงานในเยื่อหุ้มสมอง Orbitofrontal (OFC), บริเวณมอเตอร์เสริม (SMA), เยื่อหุ้มสมอง cingulate, parahippocampal gyrus (PHG), เยื่อหุ้มสมองส่วนหน้าหลัง (DLPFC), precuneus, ชั่วคราวไจรัส, อินซูลาและซีรีเบลลัม [1], [2] ความผิดปกติในภูมิภาคเหล่านี้เกี่ยวข้องกับการใช้สารเสพติดจากการศึกษาการเสพติดจำนวนมาก [7]และอาจเกี่ยวข้องกับความผิดปกติในการควบคุมความรู้ความเข้าใจการควบคุมของผู้บริหารความอยากความไวต่อรางวัลพฤติกรรมมุ่งเป้าหมายและความจำในการทำงานในวัยรุ่น OGA [1].
แม้ว่า OGA จะทำให้เกิดภาระส่วนบุคคลและสังคม แต่ปัจจุบันยังไม่มีการรักษาที่เป็นมาตรฐานสำหรับ OGA [8]. คลินิกในประเทศจีนได้ดำเนินการตามตารางเวลาการรักษาวินัยที่เข้มงวดและการรักษาด้วยไฟฟ้าช็อตและได้รับความอื้อฉาวสำหรับแนวทางการรักษาเหล่านี้ [4]. การพัฒนาวิธีการที่มีประสิทธิภาพสำหรับการแทรกแซงและการรักษา OGA จะต้องมีการสร้างความเข้าใจที่ชัดเจนเกี่ยวกับกลไกที่อยู่ภายใต้เงื่อนไขนี้ จนถึงปัจจุบันการศึกษา OGA ส่วนใหญ่มุ่งเน้นไปที่การตรวจจับการขาดดุลโครงสร้างและความบกพร่องในการทำงานที่เกี่ยวข้องกับงานในผู้ที่มี OGA ซึ่งมีประโยชน์ในการประเมินกลไกประสาทที่อยู่ภายใต้ OGA อย่างไรก็ตามมีการศึกษาเพียงไม่กี่ชิ้นที่ประเมินการเปลี่ยนแปลงสัญญาณระดับออกซิเจนในเลือดขึ้นอยู่กับ (BOLD) ของกิจกรรมที่เกิดขึ้นเองในระดับภูมิภาคของ OGA ในระหว่างสภาวะพักผ่อน ในฐานะที่เป็นวิธีการที่ไม่รุกล้ำการถ่ายภาพด้วยคลื่นสนามแม่เหล็กที่ใช้งานได้ (fMRI) ถูกนำมาใช้เพื่อตรวจสอบความผันผวนของความถี่ต่ำที่เกิดขึ้นเอง (LFF) ในสัญญาณ BOLD ซึ่งจะหลีกเลี่ยงความสับสนที่เกี่ยวข้องกับประสิทธิภาพและสามารถสะท้อนการทำงานของประสาทที่เกิดขึ้นเองในสมอง [9], [10]. นอกจากนี้วิธี fMRI ของสภาวะพักผ่อนยังถูกนำมาใช้อย่างกว้างขวางเพื่อเผยให้เห็นสถาปัตยกรรมการทำงานที่แท้จริงและผิดปกติของสมอง [10]. การทำงานของเซลล์ประสาทที่ผิดปกติในระหว่างการพักผ่อนอาจทำหน้าที่เป็นเครื่องหมายที่เพียงพอเพื่อสะท้อนถึงความก้าวหน้าและการทำงานของผู้บริหารที่บกพร่องของโรคสมองหลายชนิด
เมื่อเร็ว ๆ นี้ Liu et al. ใช้วิธีการทำให้เป็นเนื้อเดียวกันในระดับภูมิภาค (ReHo) และพบว่าผู้ที่มี OGA แสดงให้เห็นว่าค่า ReHo เพิ่มขึ้นอย่างมีนัยสำคัญในไจรัส cingulate ขวา, พาราฮิโปแคมปัสทวิภาคี, Precuneus ด้านซ้ายและไจรัสหน้าผากด้านซ้ายที่เหนือกว่า [11]. วิธีการ ReHo สะท้อนให้เห็นถึงความเป็นเนื้อเดียวกันชั่วคราวของ LFF ในระดับภูมิภาคโดยไม่คำนึงถึงความเข้มข้นและตั้งอยู่บนสมมติฐานที่ว่า voxels ที่อยู่ใกล้เคียงเชิงพื้นที่ควรมีรูปแบบชั่วคราวที่คล้ายคลึงกัน [12]. ในขณะที่ความกว้างของ LFF (ALFF) คิดว่าเกี่ยวข้องกับกิจกรรมของเซลล์ประสาทในท้องถิ่น แต่พื้นฐานของการเปลี่ยนแปลงของ ALFF ใน OGA ยังไม่ชัดเจน [13]. นอกจากนี้ Liu et al. [11] ไม่ได้ตรวจสอบความสัมพันธ์ระหว่างคุณสมบัติสถานะการพักที่ผิดปกติและระยะเวลาของ OGA เพื่อตรวจสอบความผิดปกติของสภาวะพักผ่อนในวัยรุ่น OGA เพิ่มเติมจึงใช้วิธี ALFF ในการศึกษาปัจจุบันและรวบรวมข้อมูลเกี่ยวกับระยะเวลาของ OGA นอกจากนี้นักวิจัยยังตรวจพบความสามารถในการควบคุมความรู้ความเข้าใจที่บกพร่องในวัยรุ่นที่มี OGA โดยใช้งาน Stroop คำสี [14], [15]. ดังนั้นการประเมินพฤติกรรมในการศึกษาปัจจุบันคือการปฏิบัติงาน Stroop คำสี การเชื่อมต่อของการค้นพบทางประสาทวิทยากับดัชนีพฤติกรรมที่กำหนดไว้อย่างดีซึ่งทราบว่าได้รับผลกระทบใน OGA จะเป็นดัชนีเพิ่มเติมของความสำคัญของการค้นพบเหล่านี้ต่อ OGA
วัสดุและวิธีการ
ขั้นตอนการวิจัยทั้งหมดได้รับการอนุมัติโดยคณะอนุกรรมการด้านการศึกษาด้านมนุษย์ของโรงพยาบาล West China และดำเนินการตามปฏิญญาเฮลซิงกิ ผู้เข้าร่วมและผู้ปกครองทั้งหมดในการศึกษาของเราได้ให้ความยินยอมเป็นลายลักษณ์อักษร
Subjects
ตาม Young Diagnostic Questionnaire (YDQ) สำหรับเกณฑ์ OGA โดย Beard and Wolf [8], [16]มีนักเรียนยี่สิบคนที่มี OGA ถูกคัดกรองออกจากนักศึกษาน้องใหม่ 165 คน วัยรุ่นสิบแปดคนที่มี OGA (ชาย 12 คนอายุเฉลี่ย = 19.4 ± 3.1 ปีการศึกษา 13.4 ± 2.5 ปี) เข้าร่วมในการศึกษาของเราโดยยกเว้นผู้เล่นที่ถนัดซ้ายสองคน เพื่อตรวจสอบว่ามีการเปลี่ยนแปลงเชิงเส้นในโครงสร้างสมองหรือไม่ระยะเวลาของโรคจะถูกประมาณโดยการวินิจฉัยย้อนหลัง เราขอให้อาสาสมัครระลึกถึงวิถีชีวิตของพวกเขาเมื่อตอนแรกพวกเขาติดเกมออนไลน์เป็นหลักนั่นคือ World of Warcraft (WOW) เพื่อรับประกันว่าพวกเขากำลังทุกข์ทรมานจาก OGA เราได้ทำการทดสอบอีกครั้งโดยใช้เกณฑ์ YDQ ที่แก้ไขโดย Beard and Wolf นอกจากนี้ความน่าเชื่อถือของรายงานตนเองจากอาสาสมัคร OGA ยังได้รับการยืนยันโดยการพูดคุยกับผู้ปกครองทางโทรศัพท์เช่นเดียวกับเพื่อนร่วมห้องและเพื่อนร่วมชั้น
การควบคุมสุขภาพที่เหมาะสมกับอายุสิบแปดปี (ชาย 12 คนและหญิง 6 คนอายุเฉลี่ย = 19.5 ± 2.8 ปีการศึกษา 13.3 ± 2.0 ปี) โดยไม่มีประวัติส่วนตัวหรือครอบครัวเกี่ยวกับโรคทางจิตเวชร่วมในการศึกษาของเราด้วย จากการศึกษาของ OGA ก่อนหน้านี้เราเลือกการควบคุมที่ดีต่อสุขภาพซึ่งใช้เวลาน้อยกว่า 2 ชั่วโมงต่อวันบนอินเทอร์เน็ต [4]. การควบคุมที่ดีต่อสุขภาพได้รับการทดสอบด้วยเกณฑ์ YDQ ที่แก้ไขโดย Beard and Wolf เพื่อให้แน่ใจว่าพวกเขาไม่ได้รับความทุกข์ทรมานจาก OGA ผู้เข้าร่วมที่ได้รับคัดเลือกทั้งหมดที่ได้รับการคัดเลือกเป็นชาวจีนที่ถนัดขวาและได้รับการประเมินโดยรายงานส่วนตัวและแบบสอบถามความถนัดมือของเอดินบะระ เกณฑ์การยกเว้นสำหรับทั้งสองกลุ่มคือ 1) การมีอยู่ของความผิดปกติทางระบบประสาทที่ประเมินโดยการสัมภาษณ์ทางคลินิกที่มีโครงสร้างสำหรับคู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิตฉบับที่สี่ (DSM-IV); 2) แอลกอฮอล์นิโคตินหรือสารเสพติดผ่านการตรวจปัสสาวะ 3) การตั้งครรภ์หรือประจำเดือนในสตรี และ 4) ความเจ็บป่วยทางร่างกายเช่นเนื้องอกในสมองตับอักเสบหรือโรคลมบ้าหมูซึ่งประเมินตามการประเมินทางคลินิกและเวชระเบียน แบบวัดความวิตกกังวลของแฮมิลตัน (HAMA) และ Beck Depression Inventory-II (BDI) ใช้เพื่อประเมินสภาวะทางอารมณ์ของผู้เข้าร่วมทั้งหมดในช่วงสองสัปดาห์ก่อน ข้อมูลประชากรโดยละเอียดเพิ่มเติมมีให้ใน 1 ตาราง.
การรวบรวมข้อมูลพฤติกรรม
จากการศึกษาก่อนหน้านี้ [17]การออกแบบงาน Stroop คำสีถูกนำไปใช้โดยใช้ซอฟต์แวร์ E-prime 2.0 (http://www.pstnet.com/eprime.cfm). งานนี้ใช้การออกแบบบล็อกโดยมีเงื่อนไขสามประการ ได้แก่ สอดคล้องกันไม่สอดคล้องกันและส่วนที่เหลือ คำสามคำคือแดงน้ำเงินและเขียวแสดงเป็นสามสี (แดงน้ำเงินและเขียว) เป็นสิ่งเร้าที่สอดคล้องกันและไม่สอดคล้องกัน ในระหว่างการพักไม้กางเขนจะปรากฏขึ้นที่ตรงกลางของหน้าจอและผู้ทดลองต้องจับจ้องที่ไม้กางเขนนี้โดยไม่ตอบสนอง เหตุการณ์ทั้งหมดถูกตั้งโปรแกรมเป็นสองรันโดยมีลำดับของบล็อกที่สอดคล้องและไม่สอดคล้องกันต่างกัน ผู้เข้าร่วมแต่ละคนได้รับคำสั่งให้ตอบสนองต่อสีที่แสดงโดยเร็วที่สุดโดยการกดปุ่มบน Serial Response Box ™ด้วยมือขวา การกดปุ่มด้วยดัชนีกลางและนิ้วนางจะสอดคล้องกับสีแดงสีน้ำเงินและสีเขียวตามลำดับ ผู้เข้าร่วมได้รับการทดสอบเป็นรายบุคคลในห้องที่เงียบสงบเมื่อพวกเขาอยู่ในสภาพจิตใจที่สงบ หลังจากการปฏิบัติเบื้องต้นข้อมูลพฤติกรรมจะถูกรวบรวมสองหรือสามวันก่อนการสแกน MRI
การได้มาของข้อมูล MRI
การศึกษา fMRI ทั้งหมดดำเนินการกับเครื่องสแกน 3-T GE (EXCITE, GE Signa, Milwaukee, WI, USA) โดยใช้หัวขดลวดแบบกรงนกมาตรฐานเป็นขดลวดเฟสอาร์เรย์แปดช่องสัญญาณในศูนย์วิจัย Huaxi MR เมืองเฉิงตูประเทศจีน . แผ่นโฟมถูกใช้เพื่อลดการเคลื่อนไหวของศีรษะและเสียงรบกวนของเครื่องสแกน หลังจากการสแกนโลคัลไลเซอร์แบบเดิมภาพที่มีน้ำหนัก T1 จะได้มาพร้อมกับลำดับการเรียกคืนการไล่ระดับสีที่เสียไป (เวลาการทำซ้ำ (TR) = 1900 มิลลิวินาทีเวลาสะท้อน (TE) = 2.26 มิลลิวินาที; มุมพลิก (FA) = 9 °; มุมมอง ( FOV) = 256 × 256 มม2; เมทริกซ์ข้อมูล = 256 × 256; ชิ้น = 176; ขนาด voxel = 1 × 1 × 1 mm3). จากนั้นจึงได้ภาพที่ใช้งานได้ในสภาวะพักโดยใช้ลำดับการถ่ายภาพสะท้อนระนาบ (TR = 2000ms; TE = 30ms; FA = 90 °; FOV = 240 × 240 มม.2; เมทริกซ์ข้อมูล = 64 × 64) ที่มีชิ้นส่วน 32 แกน (ความหนาของชิ้นส่วน = 5 มม. และไม่มีช่องว่างของชิ้นส่วนปริมาตรรวม = 180) ในหนึ่งรอบหกนาที ผู้ถูกทดลองได้รับคำสั่งให้หลับตานิ่งและอย่าคิดอะไรอย่างเป็นระบบระหว่างการสแกน ในตอนท้ายของการรับข้อมูลอาสาสมัครทุกคนยืนยันว่าพวกเขายังคงตื่นอยู่ตลอดระยะเวลาการสแกน
การประมวลผลข้อมูลล่วงหน้าและการคำนวณ ALFF
การประมวลผลภาพที่ใช้งานได้ทั้งหมดดำเนินการด้วยการทำแผนที่พารามิเตอร์เชิงสถิติ (SPM5, http://www.fil.ion.ucl.ac.uk/spm) ซอฟต์แวร์และตัวช่วยประมวลผลข้อมูลสำหรับซอฟต์แวร์ Resting-State fMRI (DPARSF) [18]. สำหรับผู้เข้าร่วมแต่ละคนจุดเวลา 170 จุดแรกจะถูกทิ้งเพื่อหลีกเลี่ยงการเปลี่ยนแปลงของสัญญาณชั่วคราวก่อนที่การดึงดูดจะถึงสถานะคงที่และเพื่อให้วัตถุคุ้นเคยกับสภาพแวดล้อมการสแกน fMRI ปริมาณสมองที่เหลืออีก 1 เล่มได้รับการแก้ไขตามจังหวะเวลาและปรับแนวสำหรับการแก้ไขการเคลื่อนไหวของศีรษะ ไม่มีวัตถุที่เคลื่อนไหวศีรษะเกิน 1 มม. หรือหมุน 3 °ในทิศทางใด ๆ จากนั้นภาพที่ได้รับการปรับแนวใหม่ทั้งหมดจะถูกทำให้เป็นมาตรฐานเชิงพื้นที่ในเทมเพลต EPI ของ Montreal Neurological Institute (MNI) โดยจำลองเป็นไอโซทรอปิก voxels 8 มม. จากนั้นจึงเรียบเชิงพื้นที่ (ความกว้างเต็มครึ่งสูงสุด = XNUMX มม.) หลังจากนั้นโดยการเรียกใช้ฟังก์ชันใน Resting-State fMRI Data Analysis Toolkit (REST, http://rest.restfmri.net), การกำจัดเทรนด์เชิงเส้นและการกรองแบนด์พาส (0.01–0.08 เฮิรตซ์) เพื่อลดผลกระทบของการดริฟท์ความถี่ต่ำและเสียงรบกวนทางสรีรวิทยาที่มีความถี่สูง [18] ดำเนินการในอนุกรมเวลา
หลังจากการประมวลผลล่วงหน้าการคำนวณ ALFF จะดำเนินการโดยใช้ DPARSF โดยเรียกใช้ฟังก์ชันใน REST เช่นเดียวกับการศึกษาก่อนหน้านี้ [19]. ประการแรกสำหรับการรับสเปกตรัมกำลังชุดเวลาที่กรองแล้วจะถูกเปลี่ยนเป็นโดเมนความถี่โดยใช้การแปลงฟูริเยร์แบบเร็ว (FFT) จากนั้นหารากที่สองของสเปกตรัมกำลังสำหรับแต่ละจุดข้อมูลความถี่เพื่อให้แอมพลิจูดเป็นฟังก์ชันของความถี่ ค่าเหล่านี้ซึ่งเฉลี่ยอยู่ที่ 0.01–0.08 Hz ในแต่ละ voxel ถูกใช้เป็นค่า ALFF ดังนั้นรากที่สองเฉลี่ยนี้จึงถูกใช้เป็นค่า ALFF ALFF ของแต่ละว็อกเซลหารด้วยค่า ALFF เฉลี่ยทั่วโลกภายในหน้ากากทั้งสมองสำหรับแต่ละเรื่องส่งผลให้ ALFF มาตรฐานของวอกเซลแต่ละตัวมีค่าประมาณ 1
การวิเคราะห์ทางสถิติ
เพื่อประเมินความแตกต่างระหว่างกลุ่ม OGA และกลุ่มควบคุมในด้านอายุเพศระยะเวลาของโรคและปีการศึกษาสองกลุ่มตัวอย่าง t- ทำการทดสอบโดยใช้ SPSS 13.0 และ a p> 0.05 ถือว่าไม่มีนัยสำคัญ หากต้องการสำรวจว่าพื้นที่ใดมีค่า ALFF แตกต่างจากค่า 1 ให้ทำการสุ่มตัวอย่าง t- ทดสอบp<0.05, ข้อผิดพลาดแบบครอบครัว (FWE) ได้รับการแก้ไข) โดยใช้ SPM5 ถูกดำเนินการภายในแต่ละกลุ่ม จากนั้นสองตัวอย่าง t- ทำการทดสอบเพื่ออธิบายความแตกต่างของ ALFF ระหว่างสองกลุ่มหลังจากควบคุมอายุและเพศ การแก้ไขสำหรับการเปรียบเทียบหลายรายการดำเนินการโดยใช้การจำลองแบบมอนติคาร์โล เกณฑ์การแก้ไขของ p<0.05 ได้มาจากเกณฑ์รวมของ p<0.005 สำหรับแต่ละ voxel และขนาดคลัสเตอร์ขั้นต่ำ 351 มม3 (โปรแกรม AlphaSim ในซอฟต์แวร์ AFNI, http: // afni.nimh.nih.gov/) สำหรับบริเวณสมองที่ผู้ป่วย OGA แสดงคุณสมบัติของ ALFF ที่ผิดปกติค่า ALFF ของแต่ละภูมิภาคจะถูกแยกออกมาเฉลี่ยและถดถอยเทียบกับตัวบ่งชี้ทางพยาธิวิทยาที่สะท้อนจากระยะเวลาของโรคและการแสดงงาน Stroop ของคำสี
ผลสอบ
ผลลัพธ์ของเราแสดงให้เห็นว่าอัตรา OGA อยู่ที่ประมาณ 12.1% ในการตรวจสอบตัวอย่างขนาดเล็กของเรา จากรายงานการใช้อินเทอร์เน็ตด้วยตนเองพบว่าอาสาสมัคร OGA ใช้เวลา 10.2 ± 2.6 ชั่วโมงต่อวันและ 6.3 ± 0.5 วันต่อสัปดาห์ในการเล่นเกมออนไลน์ วัยรุ่นที่มี OGA ใช้เวลามากกว่าชั่วโมงต่อวันและวันต่อสัปดาห์บนอินเทอร์เน็ตมากกว่าการควบคุม (p<0.005) (1 ตาราง).
ผลข้อมูลพฤติกรรม
ทั้งสองกลุ่มแสดงผล Stroop อย่างมีนัยสำคัญโดยที่เวลาในการเกิดปฏิกิริยาจะนานกว่าในช่วงที่ไม่คงที่มากกว่าสภาวะที่สอดคล้องกัน (OGA: 677.3 ± 75.4 ms vs 581.2 ± 71.6 ms และตัวควบคุม: 638.3 ± 65.9 ms เทียบกับ 549.0 ± 50.6 ms; p<0.005) กลุ่ม OGA มีข้อผิดพลาดมากกว่ากลุ่มควบคุมในระหว่างสภาวะที่ไม่สอดคล้องกัน (8.56 ± 4.77 vs 4.56 ± 2.93; p<0.05) แม้ว่าความล่าช้าในการตอบสนองที่วัดได้จากเวลาในการเกิดปฏิกิริยา (RT) ในสภาวะที่ไม่สอดคล้องกันลบเงื่อนไขที่สอดคล้องกันจะไม่แตกต่างกันอย่างมีนัยสำคัญระหว่างสองกลุ่มนี้ (98.2 ± 40.37 ms เทียบกับ 91.92 ± 45.87 ms; p > 0.05)
ผลลัพธ์ข้อมูลการถ่ายภาพ
แผนที่ ALFF ของทั้งกลุ่ม OGA และกลุ่มควบคุมถูกนำเสนอในรูปแบบ มะเดื่อ. 1และทั้งสองกลุ่มแสดงค่า ALFF ที่สูงขึ้นอย่างมีนัยสำคัญในด้านหลัง cingulate cortex (PCC) / precuneus, medial prefrontal cortex (MPFC) และทวิภาคีที่ด้อยกว่าสมองข้างขม่อม (IPL) ในระหว่างสภาวะพักผ่อน ภูมิภาคเหล่านี้ส่วนใหญ่รวมอยู่ในเครือข่ายโหมดเริ่มต้นในการศึกษาก่อนหน้านี้ [19]. สองตัวอย่าง t- การทดสอบการควบคุมอายุและเพศและแก้ไขสำหรับการเปรียบเทียบหลายครั้ง (โดยใช้การจำลองมอนติคาร์โลที่มีขนาดคลัสเตอร์ที่เล็กที่สุดที่ให้ค่า p <0.05 จากเกณฑ์ที่ไม่ถูกแก้ไขของ p <0.005 สำหรับแต่ละว็อกเซล) พบว่ากลุ่ม OGA มีการเพิ่มขึ้นอย่างมีนัยสำคัญ ในค่า ALFF ใน OFC ตรงกลางด้านซ้าย, Precuneus ด้านซ้าย, SMA ด้านซ้าย, PHG ด้านขวาและ MCC ทวิภาคีเปรียบเทียบกับกลุ่มควบคุม ไม่พบบริเวณสมองที่มีค่า ALFF ลดลง นอกจากนี้ยังพบความสัมพันธ์เชิงบวกอย่างมีนัยสำคัญระหว่างระยะเวลาของ OGA และค่า ALFF มาตรฐานใน OFC ตรงกลางด้านซ้าย (r = 0.6627, p = 0.0027) และ Precuneus ด้านซ้าย (r = 0.5924, p = 0.0096) (มะเดื่อ. 2). พบว่าค่า ALFF ของ OFC ด้านซ้ายมีความสัมพันธ์กับจำนวนข้อผิดพลาดในการตอบสนองในช่วงที่มีภาวะไม่สอดคล้องกันของวัยรุ่นที่มี OGA (r = 0.6690, p = 0.0024) (มะเดื่อ. 3). เนื่องจากผู้ป่วย OGA มีคะแนนความซึมเศร้าที่สูงขึ้นอย่างมีนัยสำคัญที่วัดโดย BDI เราจึงวิเคราะห์ข้อมูลภาพที่ใช้งานได้อีกครั้งโดยใช้ BDI เป็นตัวแปรร่วม ข้อมูลที่ได้นั้นคล้ายคลึงกับข้อมูลเดิม นอกจากนี้เรายังทดสอบว่าคะแนน BDI สัมพันธ์กับค่า ALFF ของบริเวณสมองที่ผิดปกติระยะเวลาของ OGA และประสิทธิภาพของงาน Stroop คำสีหรือไม่ อย่างไรก็ตามไม่พบผลลัพธ์ที่มีนัยสำคัญ
การสนทนา
ในการศึกษาปัจจุบันใช้วิธี ALFF เพื่อตรวจสอบความแตกต่างของสภาวะการพักผ่อนระหว่างผู้ป่วยที่มี OGA และการควบคุมปกติ ALFF เป็นวิธีที่ง่ายและน่าเชื่อในการวัดความกว้างของความผันผวนของความถี่ต่ำในสัญญาณ BOLD และการศึกษาก่อนหน้านี้ได้แสดงให้เห็นถึงความสามารถของวิธีนี้ในการระบุตำแหน่งของสมองที่มีกิจกรรมที่ผิดปกติ [13]. ในแต่ละกลุ่มเราพบว่าบางภูมิภาคมีค่า ALFF สูงกว่าบริเวณสมองอื่น ๆ อย่างมีนัยสำคัญในช่วงพัก (มะเดื่อ. 1). ภูมิภาคเหล่านี้ทับซ้อนกับภูมิภาคหลักของเครือข่ายโหมดเริ่มต้น (DMN) อย่างกว้างขวาง [20]. เกี่ยวกับสองตัวอย่าง t- ผลการทดสอบเทียบกับการควบคุมที่ดีต่อสุขภาพวัยรุ่นที่มี OGA พบว่า ALFF เพิ่มขึ้นใน OFC ตรงกลางด้านซ้าย, Precuneus ด้านซ้าย, SMA ด้านซ้าย, PHG ด้านขวาและ MCC ทวิภาคีในช่วงพัก (มะเดื่อ. 2). เป็นที่น่าสังเกตว่ากลุ่มตัวอย่าง OGA มีคะแนนภาวะซึมเศร้าที่สูงขึ้นอย่างมีนัยสำคัญใน BDI อย่างไรก็ตามการวิเคราะห์รวมถึง BDI ในฐานะผู้แปรปรวนร่วมเปิดเผยผลลัพธ์ที่คล้ายคลึงกัน นอกจากนี้ค่า ALFF ของ OFC ตรงกลางด้านซ้ายและ Precuneus มีความสัมพันธ์เชิงบวกกับระยะเวลาของ OGA (มะเดื่อ. 2). นอกจากนี้เพื่อตรวจสอบความสามารถในการควบคุมความรู้ความเข้าใจที่บกพร่องในวัยรุ่นด้วย OGA การทดสอบ Stroop คำสีถูกนำมาใช้ในการศึกษาของเรา สอดคล้องกับการค้นพบก่อนหน้านี้ [14], [15]กลุ่ม OGA มีข้อผิดพลาดมากกว่ากลุ่มควบคุมในช่วงที่มีภาวะไม่เข้ากันซึ่งแสดงให้เห็นว่าวัยรุ่นที่มี OGA แสดงความสามารถในการควบคุมความรู้ความเข้าใจบกพร่องซึ่งวัดได้จากการทดสอบ Stroop คำสี ที่น่าสนใจคือค่า ALFF ของ OFC ด้านซ้ายมีความสัมพันธ์กับจำนวนข้อผิดพลาดในช่วงที่มีภาวะไม่เข้ากันในวัยรุ่นที่มี OGA (มะเดื่อ. 3). ผลลัพธ์ของเราชี้ให้เห็นว่าการเปลี่ยนแปลง ALFF ใน OFC อาจทำหน้าที่เป็นตัวบ่งชี้ทางชีวภาพเพื่อสะท้อนถึงความสามารถในการควบคุมความรู้ความเข้าใจที่บกพร่องของ OGA
ในการศึกษาปัจจุบันเราพบว่าค่า ALFF เพิ่มขึ้นใน OFC ตรงกลางด้านซ้ายในกลุ่ม OGA ในทางกายวิภาค OFC มีความเชื่อมโยงอย่างกว้างขวางกับบริเวณ striatum และ limbic (เช่น amygdala) ซึ่งดูเหมือนจะเกี่ยวข้องกับการควบคุมความรู้ความเข้าใจของพฤติกรรมที่กำหนดเป้าหมายโดยการประเมินความสำคัญเชิงจูงใจของสิ่งเร้าและการเลือกพฤติกรรมเพื่อให้ได้มาซึ่งสิ่งที่ต้องการ ผลลัพธ์ ความผิดปกติของโครงสร้างของ OFC และความผิดปกติของ OGA ได้รับการรายงานในการศึกษาก่อนหน้านี้ [4], [11], [15]. Park et al. ใช้ a 18F-fluorodeoxyglucose การตรวจเอกซเรย์ปล่อยโพซิตรอน (PET) เพื่อตรวจสอบการเผาผลาญกลูโคสในสมองในระดับภูมิภาคในช่วงพักฟื้นในคนหนุ่มสาวที่มี OGA และการควบคุมตามปกติและแสดงให้เห็นว่ากิจกรรมการเผาผลาญ OFC ในวัยรุ่นที่มี OGA เพิ่มขึ้นเมื่อเทียบกับการควบคุมปกติ [21]. การวิเคราะห์นี้ชี้ให้เห็นว่ากิจกรรมการเผาผลาญที่ผิดปกติในพื้นที่ของ OFC อาจเกี่ยวข้องกับการด้อยค่าในการควบคุมแรงกระตุ้นและการประมวลผลรางวัลในวัยรุ่นที่มี OGA เกี่ยวกับการศึกษา MRI เชิงหน้าที่ที่เกี่ยวข้องกับงาน Ko et al. ระบุพื้นผิวของระบบประสาทของการติดเกมออนไลน์ผ่านการประเมินพื้นที่สมองที่เกี่ยวข้องกับการกระตุ้นการเล่นเกมที่กระตุ้นให้เกิดคิวและพบว่า OFC สามารถเปิดใช้งานผิดปกติในผู้เสพติดเมื่อเปรียบเทียบกับการควบคุม [22]. ความคล้ายคลึงกันของการค้นพบนี้กับความอยากที่เกิดจากการพึ่งพาสารเสพติด [23]ซึ่งชี้ให้เห็นว่าความอยากในการติดเกมและความอยากในการพึ่งพาสารอาจมีกลไกทางระบบประสาทร่วมกัน การศึกษาเกี่ยวกับระบบประสาทที่มีโครงสร้างก่อนหน้านี้ยังรายงานปริมาณสสารสีเทาที่ลดลงของ OFC ในกลุ่ม OGA [1], [4]. ตามการค้นพบการทำงานและโครงสร้างเหล่านี้การศึกษาของเราพบค่า ALFF ที่สูงขึ้นใน OFC ที่อยู่ตรงกลางในวัยรุ่นที่มี OGA เมื่อเทียบกับการควบคุม นอกจากนี้ยังพบความสัมพันธ์ที่สำคัญระหว่างค่า ALFF ของ OFC และประสิทธิภาพของงานในระหว่างการทดสอบ Stroop คำสีในกลุ่ม OGA (รูป 3). การศึกษาการเสพติดก่อนหน้านี้เปิดเผยความสัมพันธ์ระหว่างการรบกวนของ Stroop และการเผาผลาญกลูโคสสัมพัทธ์ใน OFC ในกลุ่มที่ติดโคเคน [24]. ความสัมพันธ์ของพฤติกรรมสมองนี้แสดงให้เห็นว่าคุณสมบัติของสถานะการพักผ่อนที่ผิดปกติของ OFC มีความสัมพันธ์กับความสามารถในการควบคุมความรู้ความเข้าใจที่บกพร่องในวัยรุ่นที่มี OGA
ค่า ALFF มีค่ามากกว่าใน precuneus ในอาสาสมัคร OGA เมื่อเทียบกับการควบคุม Precuneus เป็นบริเวณสมองในเยื่อหุ้มสมองส่วนหลังของกลีบข้างขม่อมและมีบทบาทสำคัญในการทำงานขององค์ความรู้พื้นฐาน [25]. ได้รับการเสนอให้มีส่วนร่วมในการเรียกคืนหน่วยความจำแบบเป็นตอน, ภาพเชิงพื้นที่, การประมวลผลด้วยตนเองและจิตสำนึก [25]. เมื่อเร็ว ๆ นี้นักวิจัยบางคนรายงานว่า ReHo เพิ่มขึ้นในระดับต้นด้านซ้ายในนักศึกษา OGA เมื่อเทียบกับการควบคุม [11]. ยิ่งไปกว่านั้นการศึกษาแสดงให้เห็นว่าสารตั้งต้นมีความเกี่ยวข้องกับความอยากเล่นเกมความอยากและความรุนแรงของ OGA และชี้ให้เห็นว่าสารตั้งต้นเปิดใช้งานเพื่อประมวลผลคิวเกมรวมหน่วยความจำที่ดึงมาและมีส่วนทำให้เกิดความอยากเล่นเกมออนไลน์ [26]. ดังนั้นเราจึงแนะนำว่าความผิดปกติของภาวะหยุดนิ่งของภาวะก่อนวัยในวัยรุ่นที่มี OGA อาจเกี่ยวข้องกับความอยากใน OGA ในระยะยาว
นอกจากนี้ยังพบค่า ALFF ที่มากกว่าในกลุ่ม OGA ซึ่งสัมพันธ์กับการควบคุมใน SMA ด้านซ้าย MCC ทวิภาคีและ PHG ด้านขวา SMA มีบทบาทสำคัญในการควบคุมความรู้ความเข้าใจการกระทำโดยสมัครใจการเริ่มต้น / การยับยั้งการตอบสนองของมอเตอร์ [27] และในความขัดแย้งทางอารมณ์ [28]. MCC เป็นส่วนที่อยู่ตรงกลางของ cingulate gyrus และมีความสำคัญอย่างยิ่งสำหรับการตรวจสอบและประมวลผลข้อขัดแย้ง [29]. การศึกษาการใช้สารก่อนหน้านี้รายงานความผิดปกติของสถานะการพักผ่อนที่เกี่ยวข้องกับการเสพติดของ SMA และ MCC [30], [31]. PHG มีส่วนช่วยในการสร้างและบำรุงรักษาข้อมูลที่ถูกผูกไว้ในหน่วยความจำที่ใช้งานได้ [32]. หน่วยความจำในการทำงานหมายถึงการจัดเก็บชั่วคราวและการจัดการข้อมูลออนไลน์และยังมีความสำคัญอย่างยิ่งสำหรับการควบคุมความรู้ความเข้าใจ [33]. Liu et al. รายงานว่า ReHo เพิ่มขึ้นใน PHG ทวิภาคีในนักศึกษา OGA เมื่อเทียบกับการควบคุม [11]. ยิ่งไปกว่านั้นนักวิจัยบางคนยังพบว่ามีภาวะ anisotropy ที่เป็นเศษส่วนต่ำกว่าของ PHG ในวิชา OGA [4]. ผลลัพธ์ของเราตรวจสอบรูปแบบสภาวะการพักผ่อนที่ผิดปกติของ PHG ในวัยรุ่นด้วย OGA
สรุปได้ว่าในการศึกษาในปัจจุบันเราสังเกตเห็นว่า ALFF ผิดปกติในวัยรุ่นที่มี OGA เมื่อเทียบกับการควบคุมนั่นคือค่า ALFF ที่สูงขึ้นใน OFC ตรงกลางด้านซ้าย, Precuneus ด้านซ้าย, SMA ด้านซ้าย, PHG ด้านขวาและ MCC ทวิภาคี นอกจากนี้เรายังสังเกตว่าค่า ALFF ที่สูงขึ้นใน OFC ตรงกลางด้านซ้ายและ Precuneus ด้านซ้ายมีความสัมพันธ์เชิงบวกกับระยะเวลาของ OGA ค่า ALFF ของ OFC ด้านซ้ายมีความสัมพันธ์กับประสิทธิภาพของงาน Stroop คำสี (เช่นข้อผิดพลาดในการตอบสนอง) ในกลุ่ม OGA การค้นพบของเราชี้ให้เห็นว่ากิจกรรมที่เกิดขึ้นเองที่ผิดปกติในภูมิภาคเหล่านี้อาจสะท้อนถึงพยาธิสรีรวิทยาที่อยู่เบื้องหลังในผู้ใช้ OGA เนื่องจากการค้นพบสภาวะการพักผ่อนที่คล้ายคลึงกันกับการเปลี่ยนแปลงสถานะการพักผ่อนที่เกี่ยวข้องกับการติดยาเราจึงแนะนำว่า OGA อาจใช้กลไกประสาทร่วมกับการติดยา เป็นที่น่าสังเกตว่าภาวะซึมเศร้าควรได้รับการพิจารณาว่าเป็นความสับสนที่อาจเกิดขึ้นเมื่ออธิบายถึงการค้นพบของระบบประสาทในการศึกษาปัจจุบัน จำเป็นต้องมีการศึกษาเพิ่มเติมเพื่อให้มุมมองทางวิทยาศาสตร์เพิ่มเติมเกี่ยวกับ OGA
กิตติกรรมประกาศ
เราขอขอบคุณ Qin Ouyang, Qizhu Wu, Junran Zhang, Changjian Hu และ Haifeng Luo สำหรับความช่วยเหลือด้านเทคนิคที่มีค่าในการทำวิจัยนี้
คำแถลงเงิน
บทความนี้ได้รับการสนับสนุนโดยโครงการสำหรับโครงการวิจัยและพัฒนาพื้นฐานสำคัญแห่งชาติ (973) ภายใต้ Grant No. 2011CB707700; มูลนิธิวิทยาศาสตร์ธรรมชาติแห่งชาติของจีนภายใต้ Grant Nos. 81227901, 81271644, 81271546, 30930112, 81000640, 81000641, 81101036, 81101108, 31200837, 81030027, 81301281; และกองทุนวิจัยพื้นฐานสำหรับมหาวิทยาลัยกลางมูลนิธิวิทยาศาสตร์ธรรมชาติแห่งมองโกเลียในภายใต้ Grant No. 2012MS0908 ผู้ให้ทุนไม่มีบทบาทในการออกแบบการศึกษาการรวบรวมและการวิเคราะห์ข้อมูลการตัดสินใจเผยแพร่หรือจัดทำต้นฉบับ
อ้างอิง
;
