(สาเหตุ) Comorbidity ระหว่างความผิดปกติของการเล่นเกมอินเทอร์เน็ตและภาวะซึมเศร้า: ความสัมพันธ์และกลไกประสาท (2018)

จิตเวชศาสตร์ด้านหน้า 2018 เม.ย. 23; 9: 154 doi: 10.3389 / fpsyt.2018.00154 eCollection 2018

Liu L^1,2, เย้า YW², หลี่ CR^3,4, จาง JT², เซี่ยซีซี⁵, ลานเจ¹, แม่ SS¹, โจวเอ็น¹, Fang XY¹.

นามธรรม

Internet game disorder (IGD) มีความโดดเด่นจากการขาดความรู้ความเข้าใจและอารมณ์ การศึกษาก่อนหน้านี้ได้รายงานการเกิดขึ้นของ IGD และภาวะซึมเศร้า อย่างไรก็ตามการวิจัยเกี่ยวกับการถ่ายภาพสมองที่ยังหลงเหลืออยู่ได้เน้นไปที่การขาดความรู้ความเข้าใจใน IGD เป็นส่วนใหญ่ มีการศึกษาเพียงไม่กี่อย่างที่ได้กล่าวถึงอาการป่วยร่วมระหว่าง IGD กับอาการซึมเศร้าและกลไกของระบบประสาท ที่นี่เราทำการตรวจสอบปัญหานี้อย่างเป็นระบบโดยการรวมการศึกษาการสำรวจระยะยาวการเชื่อมต่อการทำงานของส่วนพักผ่อน - รัฐ (RSFC) และการศึกษาการแทรกแซง การสร้างแบบจำลองข้ามความล้าหลังแบบอัตโนมัติบนชุดข้อมูลระยะยาวของนักศึกษาแสดงให้เห็นว่าความรุนแรงและความตกต่ำของ IGD เป็นแบบทำนายผลซึ่งกันและกัน ในระดับระบบประสาทบุคคลที่มี IGD แสดงอาร์เอสเพิ่มขึ้นระหว่าง amygdala ซ้ายและขวา dorsolateral prefrontal cortex (DLPFC), หน้าผากต่ำกว่าและ gyrus precentral เปรียบเทียบกับผู้เข้าร่วมการควบคุมและการเชื่อมต่อ amygdala-frontoparietal ดังต่อไปนี้การแทรกแซงจิตบำบัด นอกจากนี้หลังจากการแทรกแซงผู้ที่มี IGD พบว่าการเชื่อมต่อลดลงระหว่าง amygdala ซ้ายและ gyrus หน้าผากซ้ายและ precentral กลางซ้ายเมื่อเปรียบเทียบกับกลุ่มที่ไม่แทรกแซง การค้นพบเหล่านี้ร่วมกันชี้ให้เห็นว่า IGD อาจเกี่ยวข้องกับภาวะซึมเศร้าอย่างใกล้ชิด aberrant rsFC ระหว่างอารมณ์และเครือข่ายการควบคุมอาจรองรับภาวะซึมเศร้าและเป็นตัวแทนของเป้าหมายการรักษาในผู้ที่มี IGD ชื่อรีจิสทรี: กลไกเชิงพฤติกรรมและสมองของ IGD URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405; ทะเบียนเลขที่: NCT02550405.

ที่มา:

ต่อมทอนซิล; ภาวะซึมเศร้า; fMRI; ความผิดปกติในการเล่นเกมอินเทอร์เน็ต การเชื่อมต่อการทำงานของรัฐพักผ่อน subgenual ล่วงหน้า cingulate cortex

PMID: 29740358

PMCID: PMC5924965

ดอย: 10.3389 / fpsyt.2018.00154

URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405;

หมายเลขลงทะเบียน: NCT02550405

บทนำ

พฤติกรรมการเสพติดและการใช้สารผิดปกติมีอาการทางคลินิกหลายอย่างรวมถึงโรคประจำตัวเช่นภาวะซึมเศร้า [1] การติดอินเทอร์เน็ต (IA) ได้รับการยกย่องว่าเป็นการเสพติดพฤติกรรมสมมุติ Internet game disorder (IGD) เป็นรูปแบบที่แพร่หลายที่สุดของ IA ได้รวมอยู่ในรุ่นที่ห้าของคู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต (DSM-5) เป็นเงื่อนไขรับประกันการศึกษาต่อไป2] โรคทางจิตเวชได้รับการพิจารณาตามอัตภาพว่าเป็นหน่วยงานที่แตกต่างกันอย่างชัดเจน อย่างไรก็ตามในความคิดริเริ่มของเกณฑ์การวิจัยโดเมน (RDoC), เครื่องหมาย neurobiological ของความผิดปกติทางความรู้ความเข้าใจและอารมณ์ถือว่ามีความสำคัญอย่างมีนัยสำคัญในการจำแนกประเภทการวินิจฉัยและอาจใช้ร่วมกันระหว่างเงื่อนไข neuropsychiatric [3] โดยเฉพาะอย่างยิ่งการถ่ายภาพสมองได้ให้เครื่องมือที่มีประสิทธิภาพในการระบุเครื่องหมายของระบบประสาท การศึกษาก่อนหน้านี้ตรวจสอบฐานประสาทของความบกพร่องทางสติปัญญาเช่นการควบคุมการยับยั้งการขาดและการตัดสินใจ maladaptive ใน IGD [4, 5] อย่างไรก็ตามความผิดปกติทางอารมณ์ (เช่นภาวะซึมเศร้า) และกลไกประสาทในประชากรกลุ่มนี้ยังคงไม่ชัดเจนแม้ว่าจะมีความหนาแน่นสูงของ IGD และภาวะซึมเศร้า

อาการซึมเศร้ามักเกิดขึ้นในบุคคลที่มี IA / IGD6] การวิเคราะห์อภิมานรายงานว่าสัดส่วนผู้ป่วยที่มีภาวะซึมเศร้าในบุคคลที่มี IA (26.3%) สูงกว่าการควบคุมสุขภาพอย่างมีนัยสำคัญ (11.7%) [7] การศึกษาใน IGD ยังรายงานว่ามีแนวโน้มลดลงในบุคคลที่มีความเสี่ยงหรือกับ IGD เช่นเดียวกับการลดลงของภาวะซึมเศร้าในระหว่างการให้อภัยจาก IGD [8-10] อย่างไรก็ตามการค้นพบแบบตัดขวางเหล่านี้ไม่สามารถอธิบายทิศทางระหว่าง IA / IGD และภาวะซึมเศร้าได้ชัดเจน [11, 12] การศึกษาในอนาคตจะช่วยเปิดเผยความสัมพันธ์ระหว่างอาการของโรค IGD และภาวะซึมเศร้าต่อไป

พักผ่อนรัฐ fMRI ได้กลายเป็นเครื่องมือที่ใช้กันอย่างแพร่หลายในการตรวจสอบการทำงานของสมองที่แท้จริง [13, 14] และความผิดปกติของสมองในโรคทางจิตเวชหลายโรครวมถึง IGD และโรคซึมเศร้า (MDD) [15, 16] ที่สำคัญ IGD และ MDD ดูเหมือนจะแบ่งปันการปรับเปลี่ยนการเชื่อมต่อฟังก์ชั่นการพักผ่อน (RSFC) ในเครือข่ายทางอารมณ์ซึ่งประกอบด้วย amygdala และ subgenual anterior cingulate cortex (sgACC) โดยเฉพาะอย่างยิ่ง amygdala ก่อให้เกิดการตรวจสอบและบูรณาการของข้อมูล interceptive และอัตโนมัติและสิ่งเร้าทางอารมณ์และการก่อตัวและการเก็บรักษาความทรงจำทางอารมณ์เชิงลบ [11, 15, 17-19] sgACC มีบทบาทสำคัญในการควบคุมความตื่นตัวในการตอบสนองต่อสิ่งเร้าทางอารมณ์และความสำคัญอื่น ๆ20, 21] การศึกษาก่อนหน้านี้รายงานการปฏิสัมพันธ์ที่ไม่เหมาะสมของ amygdala กับภูมิภาคของเครือข่ายการควบคุมของผู้บริหารรวมถึงเยื่อหุ้มสมองด้านหน้า prefrontal (PFC) ซึ่งเชื่อมโยงกับการตอบสนองต่อสิ่งเร้าเชิงลบมากเกินไปทั้งใน MDD [22-24] และ IGD [25] sgACC เป็นศูนย์กลางของการควบคุมอารมณ์15, 22] และการเกิดโรคของภาวะซึมเศร้า [15, 26] เชื่อมต่อกับ sgACC และ amygdala PFC เป็นส่วนหนึ่งของวงจรควบคุมงานที่ควบคุมอารมณ์ [27] ผู้ป่วย MDD แสดงให้เห็นถึงความเชื่อมโยงที่สูงขึ้นระหว่าง sgACC และ dorsolateral / dorsomedial PFC ร่วมกับการครุ่นคิดด้วยตนเองมากเกินไป [28, 29] การเชื่อมต่อ sgACC-PFC ที่เพิ่มขึ้นนั้นยังพบได้ในผู้ที่ติดยา [30, 31] ดังนั้นการตรวจสอบการเชื่อมต่อการทำงานระหว่าง amygdala, sgACC และ PFC รวมถึงความสัมพันธ์ของพวกเขากับภาวะซึมเศร้าและความรุนแรงของการเสพติดอาจเปิดเผยฟีโนไทป์ประสาทที่สำคัญของ IGD

นอกจากนี้การศึกษาก่อนหน้าแสดงให้เห็นว่าการแทรกแซงพฤติกรรมมีประสิทธิภาพในการแก้ไขทั้งความรุนแรงติดยาเสพติด [32, 33] และอาการซึมเศร้าในคนที่มี IGD หรือ IA โดยทั่วไป [34-36] การตรวจสอบว่าการแทรกแซงพฤติกรรมมีผลต่อการเชื่อมต่อเครือข่ายทางอารมณ์และการเชื่อมโยงกับการลดภาวะซึมเศร้าและอาการติดยาเสพติดจะให้หลักฐานเพิ่มเติมในการสนับสนุนพื้นผิวประสาทที่ใช้ร่วมกันของ IGD และภาวะซึมเศร้า

ในการศึกษาปัจจุบันเรานำเสนอข้อค้นพบจากการสำรวจระยะยาว 4 ปีเพื่อสำรวจความสัมพันธ์ระหว่างความรุนแรงของอาการของภาวะซึมเศร้าและการติดยาเสพติดใน IGD นอกจากนี้เพื่ออธิบายโครงข่ายประสาทเทียมที่เกี่ยวกับภาวะซึมเศร้าในคนที่มี IGD เราได้ทำการศึกษา rsFC แบบภาคตัดขวางโดยมุ่งเน้นไปที่ amygdala และ sgACC ในที่สุดเราตรวจสอบว่าการรักษาพฤติกรรมช่วยแก้ไขภาวะซึมเศร้าและแก้ไขความผิดปกติของวงจรในการเชื่อมโยงกับภาวะซึมเศร้าในบุคคลที่มี IGD ขึ้นอยู่กับหลักฐานพฤติกรรมก่อนหน้านี้ [11, 12, 37] เราตั้งสมมติฐานความสัมพันธ์แบบสองทิศทางระหว่างความรุนแรงในอดีตและในอนาคตของอาการติดอินเทอร์เน็ต / ภาวะซึมเศร้า เพิ่มเติมจากการศึกษาก่อนหน้า neuropsychiatric [25, 38] เราตั้งสมมติฐานว่าบุคคลที่มี IGD จะแสดงอาการซึมเศร้าและเปลี่ยนแปลง RSFC ของ amygdala และ sgACC กับภูมิภาคของเครือข่ายการควบคุมผู้บริหารซึ่งสามารถบรรเทาได้ด้วยการแทรกแซงพฤติกรรมสำหรับ IGD

วัสดุและวิธีการ

ผู้เข้าร่วมกิจกรรม

สำหรับการศึกษาที่ 1 ข้อมูลดังกล่าวถูกรวบรวมโดยเป็นส่วนหนึ่งของการศึกษาระยะยาวเกี่ยวกับการใช้อินเทอร์เน็ตของนักศึกษาที่มหาวิทยาลัยแห่งหนึ่งในปักกิ่งโดยแบ่งเป็น 2011 คลื่นเริ่มตั้งแต่ปี XNUMX โดยใช้เครื่องมือสำรวจออนไลน์ซึ่งเป็นกลุ่มประชากรของวิทยาลัยชั้นปีที่ XNUMX นักเรียนได้รับการประเมินทุกปี ผู้เข้าร่วมทั้งหมดให้ความยินยอมเป็นลายลักษณ์อักษรและได้รับการชดเชยทางการเงินสำหรับเวลาของพวกเขาตามระเบียบการที่ได้รับการอนุมัติโดยคณะกรรมการพิจารณาสถาบันของ School of Psychology, Beijing Normal University

ผู้เข้าร่วมการสำรวจถูกรวมอยู่ในการศึกษาเฉพาะในกรณีที่พวกเขาเล่นเกมออนไลน์และใช้เวลาโดยเฉลี่ยมากกว่า 20% ของเวลาประจำวันของพวกเขาโดยใช้อินเทอร์เน็ตสำหรับการเล่นเกมในแต่ละปีที่สี่ติดต่อกัน จากจำนวนนักเรียน 2,182 ทั้งหมด 1,619 เพศหญิง 1,253 เพศชาย 366 ไม่ตรงตามเกณฑ์การคัดเลือกและถูกแยกออกจากการศึกษา อัตราส่วนการยกเว้นของเพศหญิง (90.99%) สูงกว่าเพศชาย (45.47%) (χ² = 550.056, P <0.001) ดังนั้นการสำรวจจากนักเรียนทั้งหมด 563 คน (หญิง 124 คนและชาย 439 คน) จึงได้รับสำหรับการศึกษา อายุของพวกเขาอยู่ระหว่าง 16 ถึง 21 ปี (ค่าเฉลี่ย± SD = 18.31 ± .89) ที่เวลา 1

การศึกษา 2 และ 3 เป็นส่วนหนึ่งของโครงการขนาดใหญ่ในการพัฒนาและประเมินการแทรกแซงเชิงพฤติกรรมสำหรับ IGD ผู้เข้าร่วมได้รับคัดเลือกผ่านทางอินเทอร์เน็ตและโฆษณาที่โพสต์ที่มหาวิทยาลัยในพื้นที่โดยมีเกณฑ์การคัดเลือกดังต่อไปนี้: (1) คะแนน> 67 ใน CIAS [39]; (2)> 14 ชั่วโมงต่อสัปดาห์ที่มีส่วนร่วมในการเล่นเกมทางอินเทอร์เน็ตเป็นเวลาอย่างน้อย 1 ปี เกณฑ์การคัดเลือกผู้เข้าร่วมการควบคุมสุขภาพ (HC) ได้แก่ (1) คะแนน <60 ใน CIAS; (2) ไม่เคยใช้จ่ายมากกว่า 2 ชั่วโมงต่อสัปดาห์ในการเล่นเกมทางอินเทอร์เน็ต ผู้เข้าร่วมทั้งหมดเป็นผู้ชายที่ถนัดขวา เกณฑ์การยกเว้น ได้แก่ การใช้สารเสพติดและการพนันที่ผิดกฎหมายในปัจจุบันหรือก่อนหน้านี้ (รวมถึงการพนันออนไลน์) ประวัติความเจ็บป่วยทางจิตเวชหรือระบบประสาทและการใช้ยาที่ออกฤทธิ์ต่อจิตและประสาทในปัจจุบันซึ่งประเมินโดยการสัมภาษณ์แบบกึ่งโครงสร้าง มีผู้ที่มี IGD ทั้งหมด 76 คนและ 41 HCs เข้าร่วมในการศึกษา 2 สำหรับการศึกษาที่ 3 มีการคัดเลือกบุคคลที่มี IGD 63 คนโดย 44 คนตกลงที่จะเข้าร่วมในการแทรกแซงพฤติกรรมที่อยากกิน (กลุ่ม CBI +) และอีก 19 คนอยู่ในกลุ่มควบคุม (กลุ่ม CBI−) เนื่องจากตารางการทำงานของพวกเขา. บุคคลยี่สิบสามคนในกลุ่ม CBI + เข้าร่วมใน fMRI แบบพักก่อนและหลัง CBI มีการสแกน CBI out สิบหกจาก 19 รายการในเวลาเดียวกัน การศึกษาที่ 2 และ 3 ได้รับการอนุมัติจากคณะกรรมการตรวจสอบสถาบันของ State Key Laboratory of Cognitive Neuroscience and Learning ที่ Beijing Normal University

มาตรการ

สำหรับการศึกษา 1, 2 และ 3 เราวัดความรุนแรงของการติดอินเทอร์เน็ตในหมู่นักเล่นเกมวิทยาลัยโดยใช้มาตราส่วนการติดอินเทอร์เน็ตของจีน (CIAS; 40) ซึ่งประกอบด้วยรายการ 26 ในระดับ 4 จุด Likert ประเมินมิติของอาการ / ผลกระทบ 5 ซึ่งรวมถึงการใช้งานบังคับ, การถอน, ความอดทนและปัญหาของความสัมพันธ์ระหว่างบุคคลและการจัดการสุขภาพ / เวลา ความน่าเชื่อถือและความถูกต้องของ CIAS ได้รับการแสดงก่อนหน้านี้สำหรับนักศึกษา [40] และในการทดลองปัจจุบันค่าสัมประสิทธิ์แอลฟาของครอนบาคของสเกลนี้เท่ากับ 0.933–0.950 ในสี่จุดเวลา สำหรับการศึกษาที่ 1 เราวัดอาการซึมเศร้าโดยใช้สิบสามรายการจากรายการตรวจสอบอาการ (SCL-90) [41]. รายการเหล่านี้ได้รับการจัดอันดับในระดับ 1 (ไม่เป็นจริง) ถึง 4 (เป็นจริงเสมอ) ในการทดลองปัจจุบันค่าสัมประสิทธิ์แอลฟาของครอนบาคสำหรับมาตราส่วนนี้เท่ากับ 0.888–0.936 ในสี่จุดเวลา ในการศึกษา 2 และ 3 อาการซึมเศร้าของผู้เข้าร่วมได้รับการวัดโดยใช้ Beck Depression Inventory (BDI) [42].

MRI Data Acquisition

เพื่อการศึกษา 2 และ 3 การเก็บข้อมูล MRI และการประมวลผลล่วงหน้าได้อธิบายไว้ในรายละเอียดในการศึกษาก่อนหน้า33] สรุปได้รับข้อมูลสถานะการพักผ่อน fMRI จากเครื่องสแกน Trio 3.0 T Siemens ที่ศูนย์สมอง Imaging มหาวิทยาลัย Beijing Normal พารามิเตอร์สำหรับข้อมูล EPI คือ: เวลาการทำซ้ำ = 2,000 ms, เวลา echo = 30 ms, มุมพลิก = 90 °, มุมมอง = 200 × 200 มม.², การเข้าซื้อกิจการ = 64 × 64, ขนาด voxel = 3.1 × 3.1 × 3.5 มม³, slice = 33, จุดเวลา = 200 นอกจากนี้ยังได้รับการสแกน TXWUM-wighted ด้วยพารามิเตอร์ต่อไปนี้: เวลาการทำซ้ำ = 1 ms, เวลา echo = 2,530 ms, มุมพลิก = 3.39 °, มุมมอง = 7 × 256 มม², ขนาด voxel = 1 × 1 × 1.33 มม³, หมายเลขชิ้น = 144

Craving Behavioral Intervention (CBI)

CBI ได้รับการพัฒนาบนพื้นฐานของการแทรกแซงพฤติกรรมที่พัฒนาขึ้นก่อนหน้านี้ [33] กระบวนการทางจิตวิทยาที่ซับซ้อนเกี่ยวพันกับความผิดปกติทางอารมณ์43] ความอยากอาจมีบทบาทสำคัญในการพัฒนาและบำรุงรักษา IGD การแทรกแซงที่ช่วยให้บุคคลรับมือและลดความอยากอาจส่งเสริมผลลัพธ์ในเชิงบวกและป้องกันการกำเริบของโรค (ดูหัวข้อวิธีการของวัสดุเสริมสำหรับรายละเอียดเพิ่มเติม)

การวิเคราะห์ทางสถิติ

การสร้างแบบจำลอง Cross-Lagged อัตโนมัติ

สำหรับการศึกษา 1 เราใช้การสร้างแบบจำลองข้ามการล้าหลังแบบอัตโนมัติ (ACLM) เพื่อประเมินความสัมพันธ์ระยะยาวและความสัมพันธ์ซึ่งกันและกันระหว่างความรุนแรงของการติดและอาการซึมเศร้า ACLM เหมาะสมอย่างยิ่งสำหรับการตรวจสอบความสัมพันธ์ระหว่างโครงสร้างสองช่วงเวลา ใน ACLM พารามิเตอร์ autoregressive แสดงให้เห็นว่าการวัด y ก่อนหน้านั้นดีเพียงใด_t ทำนายการวัดในภายหลังของ y_{(T + 1)}และพารามิเตอร์ cross-lagged แสดงให้เห็นว่าการวัดก่อนหน้านี้เป็นอย่างไร_t ทำนายการวัดในภายหลังของ y_{(T + 1)} สูงกว่าและเกินกว่าระดับก่อนหน้าของ y_t [44, 45] ACLM ถูกนำมาใช้กันอย่างแพร่หลายในการตรวจสอบความสัมพันธ์ระหว่างชั่วคราวของคลินิกรวมถึงอาการติดยาเสพติด [37, 46, 47] ชุดของรูปแบบข้ามล้าหลังอัตโนมัติถูกทดสอบใน Mplus 7.4 [48] Mplus ใช้วิธีการประเมินความน่าจะเป็นข้อมูลสูงสุด (FIML) แบบเต็มในการจัดการข้อมูลที่ขาดหายไป (ดูวัสดุเสริมสำหรับรายละเอียดเพิ่มเติม) SPSS 20.0 ใช้สำหรับสถิติเชิงพรรณนา

การทดสอบค่าคงที่ข้ามเวลา

ACLM รวมโครงสร้างที่แปด: ภาวะซึมเศร้าและความรุนแรงของการเสพติดที่ Times 1, 2, 3 และ 4 ในแต่ละช่วงเวลาคะแนนย่อย CIAS ประกอบด้วยตัวแปรแฝงของความรุนแรงของการติดอินเทอร์เน็ตและความรุนแรงของภาวะซึมเศร้าถูกทำดัชนีโดยคะแนนระดับล่างของภาวะซึมเศร้าของ SCL-90 ในการประเมินเอฟเฟ็กต์ autoregressive และ cross-lagged เราตรวจสอบโครงร่างเมตริก (เช่นโหลด) และความแปรปรวนของโครงสร้างตามลำดับ เราเปรียบเทียบดัชนีโมเดลพอดีกับโมเดลซ้อนกันสี่โมเดล (ตาราง 1).

  

1 ตาราง. การเปรียบเทียบรุ่นข้ามอัตโนมัติล้าหลัง

Model 1 ทำหน้าที่เป็นโมเดลพื้นฐานโดยไม่มีข้อ จำกัด ด้านค่าคงที่เพื่อทดสอบค่าคงที่ ใน Model 2 เราทดสอบการแปรปรวนของเมทริกโดย จำกัด ปัจจัยการโหลดให้เท่ากันตลอดเวลา (ตาราง S2) เพื่อให้แน่ใจว่าโครงสร้างมีความหมายเหมือนกันในแต่ละช่วงเวลา [50, 51] ในรุ่น 3 เรา จำกัด เส้นทางข้ามที่ล้าหลังสำหรับความรุนแรงของภาวะซึมเศร้า (T) ความรุนแรงของการเสพติด (T + 1) และความรุนแรงของการเสพติด (T) ความรุนแรงของภาวะซึมเศร้า (T + 1) จะเท่ากันตลอดเวลาตามลำดับ ในที่สุดใน Model 4 เราได้ จำกัด เส้นทางถอยหลังอัตโนมัติสำหรับความซึมเศร้าและความรุนแรงของการติดยาเสพติดในแต่ละช่วงเวลาให้เท่ากัน (รูปที่ 1) จากนั้นเราจะเปรียบเทียบดัชนีความพอดีของโมเดลทั้งสี่รุ่นตามลำดับเพื่อเลือกรุ่นที่ดีที่สุด χ² ค่าดัชนีเปรียบเทียบแบบพอดี (CFI), ดัชนีทักเกอร์ - เลวิส (TLI) และค่าเฉลี่ยความคลาดเคลื่อนกำลังสองของการประมาณ (RMSEA) เพื่อเปรียบเทียบแบบจำลองที่พอดี49].

  

รูป 1. การวิเคราะห์การถดถอยข้ามความล่าช้า เราระบุค่าความแปรปรวนแบบแปรผันค่าคงที่แบบแปรผันและค่าความแปรปรวนร่วมที่ผิดพลาดตลอดเวลาโดยใช้ตัวอักษรบนเส้นทาง ตัวเลขเป็นค่าสัมประสิทธิ์เส้นทางมาตรฐาน (*P <0.05; ***P <0.001)

การวิเคราะห์ข้อมูลเชิงพฤติกรรม

ในการศึกษา 2 สองตัวอย่าง t- การทดสอบได้ดำเนินการเพื่อเปรียบเทียบการติดยาเสพติดและความรุนแรงของภาวะซึมเศร้าระหว่างกลุ่ม IGD และ HC การวิเคราะห์ความแปรปรวน (ANOVAs) ด้วยมาตรการซ้ำถูกนำมาใช้ในการศึกษา 3 เพื่อตรวจสอบผลกระทบของ CBI ต่อลักษณะการเล่นเกมทางอินเทอร์เน็ตกับกลุ่ม (CBI + และ CBI−) เป็นปัจจัยระหว่างเรื่องและเซสชั่น (พื้นฐานและการทดสอบที่สอง) ปัจจัยภายในเรื่อง

การประมวลผลข้อมูล MRI

ข้อมูลถูกประมวลผลล่วงหน้าและวิเคราะห์โดยใช้ DPABI รุ่น 1.2 (http://rfmri.org/dpabi) และ SPM8 (http://www.fil.ion.ucl.ac.uk/spm) ไดรฟ์ข้อมูล 10 แรกถูกยกเลิก ข้อมูล EPI ส่วนบุคคลได้รับการแก้ไขเป็นชิ้น ผู้เข้าร่วมที่มีการเคลื่อนไหวของศีรษะเกิน 3.0 mm ในการแปลหรือ 3 °ในการหมุน (วิชา 2 IGD) ได้รับการยกเว้น เราลดการเคลื่อนที่ของศีรษะที่อาจเกิดขึ้นด้วยการแก้ไข Friston-24 เราแยกสัญญาณจากน้ำไขสันหลังและสสารสีขาวออกเพื่อลดผลกระทบที่อาจเกิดขึ้นจากสิ่งประดิษฐ์ทางสรีรวิทยา ข้อมูล EPI ถูกทำให้เป็นมาตรฐานไปยังพื้นที่ของ Montreal Neurological Institute (MNI) ใช้ตัวกรองเชิงพื้นที่ของความกว้างเต็ม 4 มม. ที่เคอร์เนลเกาส์เซียนสูงสุดครึ่งหนึ่ง จากนั้นจึงใช้แถบความถี่ชั่วขณะฟิลเตอร์ (0.01 – 0.10 Hz) เพื่อลดการดริฟท์ความถี่ต่ำและเสียงรบกวนความถี่สูง

การคำนวณ rsFC

ทวิภาคี subgenual ACC และเมล็ด amygdala มีการระบุจากการเชื่อมต่อของแผนที่ที่ใช้การเชื่อมต่อ52] และจากแผนที่ของพื้นที่ Brodmann (พื้นที่ Brodmann 34 ดูรูปที่ S1) อนุกรมเวลาเฉลี่ยภายในเมล็ดพืชแต่ละเมล็ดถูกถดถอยเทียบกับวอกเซลทั้งสมองเพื่อสร้างแผนที่ความสัมพันธ์แบบไขว้กัน ค่าสัมประสิทธิ์สหสัมพันธ์ถูกแปลงเป็นคะแนน Z ด้วยการแปลง r-to-z ของฟิชเชอร์

เราเปรียบเทียบ rsFC ของกลุ่ม IGD และ HC ใน sgACC และ amygdala สำหรับการศึกษา 2 และเปรียบเทียบการเปลี่ยนแปลง rsFC ระหว่างกลุ่ม CBI + และ CBI− ([rsFC ในการสแกนครั้งที่สอง] - [rsFC ที่ค่าพื้นฐาน]) ในการศึกษา 3 กับสอง -ตัวอย่าง tทดสอบและแผนที่ความแตกต่างของกลุ่มได้รับการแก้ไขโดยใช้ทฤษฎีสนามสุ่มแบบเกาส์ (GRFT, voxel-level P <0.001 รวมกับระดับคลัสเตอร์ P <0.05 แก้ไขสำหรับข้อผิดพลาดที่ฉลาดในครอบครัว)

ภายในกลุ่ม IGD ในการศึกษาที่ 2 เราได้ทำการวิเคราะห์การถดถอยตาม ROI เพิ่มเติมเพื่อตรวจสอบความสัมพันธ์ระหว่าง BDI, คะแนน CIAS และ rs-FC โดยมีการระบุ ROI จากการเปรียบเทียบระหว่างกลุ่มทั้งสมอง เรารายงานการกระตุ้นสมองอย่างมีนัยสำคัญภายใน ROI ซึ่งได้รับการแก้ไขโดย GRFT ด้วยระดับ voxel P <0.005 และระดับคลัสเตอร์ P <0.05 (P_SVC-fwe <0.05)

สำหรับการศึกษา 3 การวิเคราะห์การถดถอยตาม ROI นั้นดำเนินการภายในกลุ่ม CBI + เพื่อตรวจสอบความสัมพันธ์ระหว่างการเปลี่ยนแปลงใน BDI และในคะแนน CIAS และแก้ไข rsFC ตามที่ระบุจากสองตัวอย่าง t- การทดสอบ (ระดับ voxel P <0.005 และระดับคลัสเตอร์ P <0.05; P_SVC-fwe <0.05)

ผลสอบ

ศึกษา 1: การสำรวจระยะยาวของภาวะซึมเศร้าและความรุนแรงของการเสพติดในเกมอินเทอร์เน็ต

สหสัมพันธ์แบบไบวาริเอตแสดงให้เห็นถึงความเสถียรปานกลางของตัวแปรเดียวกันในทั้งสี่คลื่นความสัมพันธ์ที่เกิดขึ้นพร้อมกันอย่างมีนัยสำคัญระหว่างตัวแปรภายในแต่ละคลื่นและความสัมพันธ์ตามยาวอย่างมีนัยสำคัญในคลื่น ความรุนแรงของการเสพติดอินเทอร์เน็ตก่อนหน้านี้มีความสัมพันธ์กับภาวะซึมเศร้าที่สูงขึ้นในภายหลังร 's ตั้งแต่ 0.19 ถึง 0.27 P <0.01) และภาวะซึมเศร้าที่สูงขึ้นก่อนหน้านี้สัมพันธ์กับความรุนแรงของการเสพติดที่มากขึ้นในภายหลัง (ร 's ตั้งแต่ 0.25 ถึง 0.30 P <0.01)

ในการทดสอบความสัมพันธ์แบบสองทิศทางระหว่างการติดยาเสพติดและความรุนแรงของภาวะซึมเศร้าอันดับแรกเราจะใส่ Model 1 โดยไม่มีเงื่อนไขหรือข้อ จำกัด โมเดลที่เหมาะสำหรับโมเดลพื้นฐานนี้ดี [χ2(210)

= 10.912, P > 0.05; ΔCFI <0.01, ΔTLI <0.01] ดังนั้นจึงมีการรองรับเมตริกความไม่แปรเปลี่ยนของการติดอินเทอร์เน็ตโดยชี้ให้เห็นว่าผู้เล่นเกมออนไลน์เข้าใจและประเมินความรุนแรงของการเสพติดว่าจะเท่ากันตลอด 4 ปี ประการที่สองรุ่น 3 ดีกว่าเมื่อเทียบกับรุ่น 2 โดยมี RMSEA ที่ดีกว่าเล็กน้อย แต่มี CFI, TLI และχเท่ากัน² ราคา. นั่นคือผลกระทบข้ามสองความสัมพันธ์ [ภาวะซึมเศร้า / ความรุนแรงติดยาเสพติด (T) ความรุนแรงของการติดยาเสพติด / ภาวะซึมเศร้า (T + 1)] เหมือนกันตลอดช่วงปี 4 ถัดไป Model 4 แตกต่างจาก Model 3 ในχ² แต่ไม่ใช่ดัชนีที่เหมาะสมอื่น ๆ (ΔCFI <0.01, ΔTLI <0.01, ΔRMSEA <0.01) ซึ่งชี้ให้เห็นว่าผลกระทบอัตโนมัติของตัวแปรทั้งสองแต่ละตัวมีความคงที่และเหมือนกันตลอด 4 ปี โมเดล 4 จึงได้รับการคัดเลือกให้เป็นโมเดลสุดท้ายของการศึกษานี้

ตาราง 2 แสดงรายการค่าสัมประสิทธิ์เส้นทางของรุ่น 1 และ 4 และแสดงให้เห็นว่าความรุนแรงของอาการติดอินเทอร์เน็ตและอาการซึมเศร้านั้นมีความสัมพันธ์เชิงบวกในช่วงเวลาหนึ่ง นอกจากนี้ผลกระทบของภาวะซึมเศร้าต่อความรุนแรงของการเสพติด (β = 0.118, 0.126, 0.127) สูงกว่าผลกระทบของความรุนแรงของการติดยาเสพติดที่มีต่อภาวะซึมเศร้า (β = 0.070, 0.066, 0.070) ผลลัพธ์เหล่านี้ร่วมกันให้การวัดทางสถิติของความสัมพันธ์ทางโลกระหว่างภาวะซึมเศร้าและความรุนแรงของการเสพติด

  

2 ตาราง. การประมาณพารามิเตอร์ของโมเดลพื้นฐานและ ARCL Model 6

การศึกษา 2: ความสัมพันธ์ทางประสาทของภาวะซึมเศร้าในความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต

ลักษณะทางประชากรและการเล่นเกมทางอินเทอร์เน็ตของวิชา IGD และ HC

วิชา IGD และ HC ไม่แตกต่างกันในเรื่องอายุการศึกษาหรือการใช้แอลกอฮอล์และมาตรการการสูบบุหรี่ ตามที่คาดไว้กลุ่มตัวอย่าง IGD รายงาน BDI ที่สูงขึ้น (8.78 ± 5.54 เทียบกับ 2.85 ± 3.64; t = 6.91, P <0.001) และคะแนน CIAS ที่สูงขึ้น (78.46 ± 8.40 เทียบกับ 43.49 ± 9.64; t = 20.27, P <0.001) เมื่อเปรียบเทียบกับวิชา HC (ตารางที่ S3)

rsFC ความแตกต่างระหว่าง IGD และวิชา HC

เมื่อเปรียบเทียบกับ HC, อาสาสมัคร IGD แสดงให้เห็นว่า rsFC สูงขึ้นอย่างมีนัยสำคัญระหว่าง amygdala ซ้ายและ DLPFC ขวา (รูปที่ 2 และตาราง 3) อย่างไรก็ตามไม่มีความแตกต่างระหว่างกลุ่มอย่างมีนัยสำคัญสำหรับเมล็ด amygdala ที่เหมาะสมหรือ sgACC ทวิภาคี โดยใช้เกณฑ์เสรีมากขึ้น (ระดับ voxel P <0.005 และระดับคลัสเตอร์ P <0.05) ผู้ป่วย IGD มี rsFC ที่สูงขึ้นอย่างมีนัยสำคัญระหว่าง sgACC ด้านซ้ายและ DLPFC ด้านขวา (รูปที่ S2 และตาราง S4)

  

รูป 2. การเชื่อมต่อที่ใช้งานได้จริงในหัวข้อ IGD และ HC (A) และการเชื่อมโยงกับภาวะซึมเศร้าในกลุ่ม IGD (B).

  

3 ตาราง. ตำแหน่งของเมล็ดและภูมิภาคแสดงความแตกต่างอย่างมีนัยสำคัญในการเชื่อมต่อระหว่างวิชา IGD และ HC (ระดับ GRFT, voxel) P <0.001 และระดับคลัสเตอร์ P <0.05)

ความสัมพันธ์ระหว่างพฤติกรรมสมอง

ภายในกลุ่ม IGD คะแนนภาวะซึมเศร้ามีความสัมพันธ์เชิงลบกับการเชื่อมต่อระหว่าง amygdala ซ้ายและ DLPFC ขวา (MNI: 57, 9, 30; r = −0.35; รูป 2) ไม่มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างความรุนแรงติดยาเสพติดและซ้าย amygdala - การเชื่อมต่อ DLPFC ขวา

การศึกษา 3: ผลของการแทรกแซงด้านพฤติกรรมต่อภาวะซึมเศร้าและฐานประสาทของประสิทธิภาพการรักษา

ลักษณะประชากรและการเล่นเกมทางอินเทอร์เน็ต

ANOVA ที่มีการวัดซ้ำแสดงให้เห็นการโต้ตอบแบบกลุ่ม (CBI + & CBI by) ตามเซสชัน (การประเมินครั้งแรกและครั้งที่สอง) สำหรับความรุนแรงของ IGD [F_{(1, 59)} = 22.62, P <0.001] และคะแนน BDI [F_{(1, 59)} = 7.89, P <0.01] (ตาราง 4) เมื่อเปรียบเทียบกับกลุ่มควบคุมกลุ่มแทรกแซงพบว่าการลดลงอย่างมีนัยสำคัญทั้งใน CIAS และคะแนนภาวะซึมเศร้าหลังการรักษา

  

4 ตาราง. การเปรียบเทียบตัวแปรที่วัดระหว่างกลุ่ม CBI + กับกลุ่ม CBI ณ จุดเวลาของก่อนและหลังการแทรกแซง

การเปลี่ยนแปลง rsFC ในกลุ่ม CBI + และ CBI−

เมื่อเทียบกับกลุ่ม CBI− กลุ่ม CBI + แสดงอาร์เอฟซีเอของ amygdala ซ้ายลดลงอย่างมีนัยสำคัญกับ gyrus precentral ซ้ายและ DLPFC ตามการแทรกแซง (รูปที่ 3A และตาราง 5) อย่างไรก็ตามไม่มีความแตกต่างระหว่างกลุ่มอย่างมีนัยสำคัญสำหรับเมล็ด amygdala ที่เหมาะสมหรือ sgACC ทวิภาคี ด้วยเกณฑ์เสรีนิยมมากขึ้น (ระดับ voxel P <0.005 และระดับคลัสเตอร์ P <0.05) ผู้ทดสอบ CBI + แสดงให้เห็นว่าการเชื่อมต่อระหว่างฟังก์ชัน sgACC ด้านซ้ายและไจรัสหลังศูนย์กลางด้านซ้ายลดลงอย่างมีนัยสำคัญ (รูปที่ S3 และตาราง S5)

  

รูป 3. ผลลัพธ์ในการศึกษา 3 การเปรียบเทียบการเปลี่ยนแปลง rsFC ([rsFC ในการสแกนครั้งที่สอง] - [rsFC ที่พื้นฐาน]) ระหว่างกลุ่ม CBI + และกลุ่ม CBI− ทางด้านซ้ายของ amygdala กับ MFG, พรีเซนทรัลและ SFG (A); ความสัมพันธ์เชิงลบระหว่าง FC ของ amygdala ซ้ายและ DLPFC ขวาที่ระดับพื้นฐานพร้อมคะแนนการเปลี่ยนแปลงของภาวะซึมเศร้าในกลุ่ม CBI + (B); Scatterplot แสดงความสัมพันธ์ระหว่างคะแนนที่เปลี่ยนแปลงของ BDI และค่าเบต้าสำหรับคลัสเตอร์ที่รอดชีวิตใน baseline rsFC ของ amygdala-DLPFC (C).

  

5 ตาราง. ตำแหน่งของเมล็ดและภูมิภาคแสดงความแตกต่างอย่างมีนัยสำคัญในการเชื่อมต่อระหว่างกลุ่ม CBI + และกลุ่ม CBI− (ระดับ GRFT, voxel) P <0.001 และระดับคลัสเตอร์ P <0.05)

ความสัมพันธ์ระหว่างพฤติกรรมสมอง

แม้ว่าจะไม่มีการเชื่อมโยงอย่างมีนัยสำคัญระหว่างการเปลี่ยนแปลงของ rsFC และระดับของภาวะซึมเศร้าหรือความรุนแรงของการติดยาเสพติดถูกพบในกลุ่ม CBI + แต่การเชื่อมต่อระหว่าง amygdala ซ้ายและ DLPFC ขวาที่พื้นฐานมีความสัมพันธ์ในทางลบกับคะแนนการเปลี่ยนแปลงของภาวะซึมเศร้า 42, 15, 27, r = 0.63; SVC; ตัวเลข 3B, C) ในกลุ่ม CBI + อย่างไรก็ตามความสัมพันธ์ไม่มีความหมายมากขึ้นเมื่อถูกควบคุมสำหรับความรุนแรงของภาวะซึมเศร้าพื้นฐาน

การสนทนา

เราประเมินความสัมพันธ์ระหว่างอาการของภาวะซึมเศร้าและการติดกับกลไกประสาทโดยการรวมการศึกษาการสำรวจระยะยาวการศึกษาการเชื่อมต่อการทำงานระหว่างรัฐ (RSFC) และการศึกษาการแทรกแซง โดยทั่วไปการติดอินเทอร์เน็ตและภาวะซึมเศร้ารักษาความสัมพันธ์แบบสองทิศทางในหมู่นักเล่นเกมอินเทอร์เน็ตเนื่องจากความรุนแรงของการเสพติดและภาวะซึมเศร้ามีผลต่อกันและกันในช่วงระยะเวลา 4 ปี จากการเปรียบเทียบบุคคลที่มี IGD และ HC โดยตรงเราพบว่ากลุ่ม IGD แสดงอาการซึมเศร้าที่รุนแรงขึ้นและ amygdala-DLPFC rsFC ด้วยความแข็งแกร่งของการเชื่อมต่อที่เกี่ยวข้องกับภาวะซึมเศร้าในกลุ่ม IGD นอกจากนี้บุคคลที่มี IGD แสดงให้เห็นถึงความรุนแรงของภาวะซึมเศร้าและ rsFC ที่ลดลงระหว่าง amygdala และ DLPFC หลังจากได้รับการแทรกแซงพฤติกรรมสำหรับ IGD ปฏิสัมพันธ์ที่รุนแรงระหว่างอารมณ์และเครือข่ายการควบคุมผู้บริหารอาจนำไปสู่อาการซึมเศร้าใน IGD และการแทรกแซงการกำหนดเป้าหมายความผิดปกติเหล่านี้อาจบรรเทาทั้งอาการของการติดอินเทอร์เน็ตและภาวะซึมเศร้า การค้นพบเหล่านี้ให้การสนับสนุนอย่างดีเยี่ยมว่าการติดเกมบนอินเทอร์เน็ตและอาการซึมเศร้านั้นสัมพันธ์กันอย่างใกล้ชิด

ผลลัพธ์สอดคล้องกับสมมติฐานที่ว่าอาการเสพติดและภาวะซึมเศร้าของนักเล่นเกมอินเทอร์เน็ตได้รับอิทธิพลซึ่งกันและกัน โดยเฉพาะอย่างยิ่งความรุนแรงของภาวะซึมเศร้า / การติดอินเทอร์เน็ตในช่วงเวลาก่อนหน้านี้ทำนายความรุนแรงของการเสพติด / ภาวะซึมเศร้าในเวลาต่อมา ดังนั้นความรุนแรงของการเสพติดและภาวะซึมเศร้าในผู้เล่นเกมออนไลน์จึงมีความสัมพันธ์แบบสองทิศทางซึ่งสอดคล้องกับผลการวิจัยเกี่ยวกับโรคเสพติดอื่น ๆ [53, 54] แม้ว่าการศึกษาก่อนหน้านี้ได้เปิดเผยภาวะซึมเศร้าที่สูงขึ้นในหมู่เกมออนไลน์ [5, 16, 55, 56] เช่นเดียวกับความสัมพันธ์ซึ่งกันและกันระหว่างภาวะซึมเศร้าและความรุนแรงของการเสพติดโดยใช้ข้อมูลระยะยาว [57] การค้นพบในปัจจุบันเป็นครั้งแรกที่แสดงให้เห็นถึงความสัมพันธ์แบบสองทิศทางที่มั่นคงระหว่างอาการของภาวะซึมเศร้าและการติดยาเสพติดในเกมเมอร์อินเทอร์เน็ต ความสัมพันธ์แบบสองทิศทางอาจเกิดขึ้นเนื่องจาก (1) บุคคลรับมือกับความทุกข์ทางอารมณ์โดยการเล่นเกมอินเทอร์เน็ต [2, 58]; (2) เกมบนอินเทอร์เน็ตที่ยืดเยื้อทำให้เกิดความหดหู่ใจเนื่องจากขาดหรือถอนตัวจากความสัมพันธ์ในชีวิตจริง [58, 59] นอกจากนี้ปัจจัยที่ใช้ร่วมกันบางอย่างเช่นเหตุการณ์ทางชีวภาพสังคมหรือชีวิตในวัยเด็กอาจเพิ่มความเสี่ยงของภาวะซึมเศร้าและ IGD รวมทั้งความสัมพันธ์ของพวกเขา [58, 60] นอกจากนี้ผลกระทบของภาวะซึมเศร้าต่อความรุนแรงของการติดยาเสพติดสูงกว่าผลกระทบของการติดยาเสพติดต่อภาวะซึมเศร้าซึ่งเป็นประเด็นที่ต้องมีการตรวจสอบเพิ่มเติม

ในระดับประสาทเมื่อเทียบกับ HC กลุ่ม IGD แสดง rsFC สูงกว่าอย่างมีนัยสำคัญระหว่าง amygdala ซ้ายและ DLPFC ขวาซึ่งมีความสัมพันธ์เชิงลบกับความรุนแรงของภาวะซึมเศร้าภายในกลุ่ม IGD amygdala มีบทบาทสำคัญในการประมวลผลทางอารมณ์การจดจำและการสร้างความจำ [11, 17, 19] ที่สำคัญปฏิกิริยา amygdala อาจถูกมอดูเลตโดย PFC และการทำงานร่วมกันของระบบประสาทผิดปกติระหว่างสองภูมิภาคนี้มีลักษณะเฉพาะในภาวะซึมเศร้า ยิ่งไปกว่านั้นปฏิกิริยาของอะไมก์ดาลาอาจถูกมอดูเลตโดย PFC และการทำงานร่วมกันของระบบประสาทผิดปกติระหว่างสองภูมิภาคนี้มีลักษณะเฉพาะในภาวะซึมเศร้า ตัวอย่างเช่น rsFC ที่อ่อนแอกว่าระหว่าง amygdala และ PFC นั้นแสดงให้เห็นในการศึกษาก่อนหน้านี้ของรัฐในภาวะซึมเศร้า [23, 24, 61], IGD [25] และการใช้แอลกอฮอล์ในทางที่ผิด [62] การเชื่อมต่อการทำงานของ PFC-amygdala ที่ลดลงในระหว่างงานที่เกี่ยวข้องกับอารมณ์ได้รับการรายงานใน MDD [27, 38, 63] DLPFC รองรับการควบคุมทั้งทางปัญญาและอารมณ์ [64] และการเชื่อมต่อที่เปลี่ยนแปลงระหว่าง DLPFC และ amygdala อาจเกี่ยวข้องกับความยากลำบากหรือขัดขวางการควบคุมอารมณ์เชิงลบ ตรงกันข้ามกับการศึกษาก่อนหน้านี้ส่วนใหญ่ใน MDD ผลการวิจัยในปัจจุบันแสดงให้เห็นว่าการเชื่อมต่อ amygdala-DLPFC สูงขึ้น Ad-hoc คำอธิบายก็คือผู้เข้าร่วม IGD อาจเล่นเกมต่อไปในฐานะกลวิธีการเผชิญปัญหาเพื่อหนีจากอารมณ์ด้านลบ [58, 61] การมีส่วนร่วมกับ DLPFC ในการควบคุมอารมณ์เชิงลบซึ่งอาจไม่เป็นอันตรายในบุคคลที่มี IGD [65] สัมพันธ์กับ MDD มันควรจะสังเกตว่าวิชา IGD ที่มีอาการซึมเศร้าสูงแสดงให้เห็นว่าการเชื่อมต่อระหว่าง amygdala และ DLPFC ลดลงซึ่งชี้ให้เห็นว่าความสัมพันธ์ระหว่างภาวะซึมเศร้าและการเชื่อมต่อ amygdala-DLPFC อาจไม่ใช่เชิงเส้น ดังนั้นวิชา IGD ที่มีอาการซึมเศร้าต่ำอาจเพิ่มการควบคุมล่วงหน้าของกิจกรรมของ amygdala เพื่อจัดการกับปัญหาทางอารมณ์ แต่การปรับดังกล่าวไม่ได้มีประสิทธิภาพหรือแม้แต่หยุดชะงักในผู้ที่มีอาการซึมเศร้าที่รุนแรงมากขึ้น ร่วมกันทิศทางของการเปลี่ยนแปลงในการเชื่อมต่อ amygdala เป็นศูนย์กลางต้องมีการวิจัยมากขึ้นด้วยการพิจารณาอย่างรอบคอบของวิธีการ, ความรุนแรงของภาวะซึมเศร้า, ความหลากหลายของการทำงานของภูมิภาคย่อย prefrontal และผลกระทบของการรักษาด้วยยา”

สอดคล้องกับการวิเคราะห์อภิมานของการแทรกแซงพฤติกรรมใน IGD34] การศึกษาการแทรกแซงปัจจุบันพบว่าการลดลงอย่างมีนัยสำคัญของอาการติดอินเทอร์เน็ตและอาการซึมเศร้าในกลุ่ม CBI + หลังจากได้รับการแทรกแซงเมื่อเปรียบเทียบกับกลุ่ม CBI− นอกจากนี้กลุ่ม CBI + ยังแสดงให้เห็น RSFC ที่ลดลงของ amygdala ที่มีบริเวณเยื่อหุ้มสมองด้านหน้า ดังนั้น CBI จึงดูเหมือนว่าจะทำให้การเชื่อมต่อ amygdala-DLPFC เป็นปกติโดยลดการกระตุ้นอารมณ์เชิงลบโดยตรงเพื่อให้ IGD วิชาต้องใช้ทรัพยากรความรู้ความเข้าใจในการควบคุมอารมณ์ เมื่อนำมารวมกันการค้นพบเหล่านี้ชี้ให้เห็นว่าการทำงานร่วมกันระหว่าง amygdala และ DLPFC อาจทำหน้าที่เป็นเครื่องบ่งชี้ neurobiological ที่มีศักยภาพของอาการซึมเศร้าใน IGD และเป้าหมายผู้สมัครสำหรับการแทรกแซงทางคลินิก

ตรงกันข้ามกับการค้นพบจาก MDD15, 29, 64], ไม่พบการเปลี่ยนแปลง RSFC อย่างมีนัยสำคัญ sgACC เป็นศูนย์กลางในผู้ที่มี IGD, หรือผลของ CBI ในการแก้ไข rsFC ระหว่าง sACACC และเยื่อหุ้มสมองส่วนหน้า. คำอธิบายที่เป็นไปได้ประการหนึ่งคือในการศึกษา 2 และ 3 เราได้ยกเว้นวิชา IGD ที่มีภาวะซึมเศร้าอย่างรุนแรงเพื่อควบคุมปัจจัยที่อาจทำให้เกิดความสับสน ความเป็นไปได้อีกประการหนึ่งเกี่ยวข้องกับกลไกต่าง ๆ ที่มีอาการซึมเศร้าในอาสาสมัคร IGD และผู้ป่วยโรคหลอดเลือดสมองตีบสูงซึ่งเป็นปัญหาที่จะได้รับการตรวจสอบต่อไป อย่างไรก็ตามควรสังเกตว่าผลที่ได้แสดงให้เห็นรูปแบบเครือข่ายที่คล้ายคลึงกันระหว่าง sgACC และ amygdala ซึ่งสอดคล้องกับการศึกษาใน MDD ที่อาร์เอสอาร์เอฟซีของเครือข่ายอารมณ์ที่ทับซ้อนกันในเยื่อหุ้มสมอง prefrontal [23, 29].

การศึกษาเผยให้เห็นความสัมพันธ์แบบสองทิศทางระหว่างภาวะซึมเศร้าและความรุนแรงของการติดยาเสพติดเช่นเดียวกับกลไกของระบบประสาทพื้นฐานใน IGD อย่างน้อยที่สุดการค้นพบเหล่านี้แสดงหลักฐานสำหรับฟีโนไทป์ของระบบประสาทที่สำคัญ - RDoC ที่มีศักยภาพ [3] —of IGD ผลลัพธ์เหล่านี้อาจทำให้เกิดความเข้าใจใหม่เกี่ยวกับการพัฒนาการแทรกแซงที่มีประสิทธิภาพมากขึ้นสำหรับ IGD ความผิดปกติทางอารมณ์รวมถึงภาวะซึมเศร้าถือเป็นเป้าหมายการรักษาที่สำคัญในการเสพติดเนื่องจากความสัมพันธ์กับการกำเริบของโรค [66] จากการค้นพบในปัจจุบันภาวะซึมเศร้าและความผิดปกติทางอารมณ์อื่น ๆ ควรนำมาพิจารณาเมื่อออกแบบการแทรกแซงและประเมินผลการรักษาโรค IGD ตัวอย่างเช่นวิธีการต่างๆเช่น fMRI neuro-feedback แบบเรียลไทม์ [67] เพื่อปรับอาร์เอสซีเอของ amygdala และ sgACC อย่างมีประสิทธิภาพอาจช่วยทั้ง IGD และอาการซึมเศร้าและเสริมการแทรกแซงอื่น ๆ เพื่อให้บรรลุผลลัพธ์ที่ดีกว่า

ข้อ จำกัด บางประการควรสังเกต ขั้นแรกให้ศึกษา 1 ใช้ subscale ของ SCL-90 ในขณะที่ Study 2 และ 3 ใช้ BDI เพื่อวัดความซึมเศร้า แม้ว่าทั้งคู่จะเป็นเครื่องมือการประเมินที่ใช้กันอย่างแพร่หลายและมีคุณสมบัติทางไซโครเมทที่ดี ประการที่สอง IGD เป็นหนึ่งในชนิดย่อยที่ศึกษามากที่สุดของ IA อย่างไรก็ตามเราควรระมัดระวังในการสรุปผลการวิจัยเหล่านี้ไปยังชนิดย่อยอื่น ๆ ของ IA (เช่นการติดยาเสพติดทางเพศไซเบอร์)68] ประการที่สามการศึกษาปัจจุบันมุ่งเน้นไปที่คนหนุ่มสาว วัยรุ่นเป็นช่วงเวลาที่สำคัญสำหรับการพัฒนาของ IGD และปัญหาทางอารมณ์มากมายรวมถึงภาวะซึมเศร้า [69] มีความจำเป็นอย่างเร่งด่วนสำหรับการศึกษาในอนาคตเพื่อตรวจสอบ comorbidity ระหว่าง IGD และภาวะซึมเศร้าและกลไกประสาทพื้นฐานในวัยรุ่น ประการที่สี่การค้นพบในปัจจุบันไม่ได้อธิบายความสัมพันธ์เชิงสาเหตุระหว่างภาวะซึมเศร้าและ IGD การศึกษาแบบ double-blind, randomized, placebo-controlled โดยใช้ fMRI ร่วมกับยา antidepressant อาจแก้ไขปัญหานี้ได้โดยตรง ประการที่ห้าในการศึกษา 3 วิชา IGD ไม่ได้รับการสุ่มให้กับกลุ่ม CBI + และ CBI− ดังนั้นเราจึงไม่สามารถแยกปัจจัยที่ทำให้สับสนเช่นแรงจูงใจที่จะได้รับการรักษาจากการค้นพบพฤติกรรมและการถ่ายภาพในปัจจุบัน ในที่สุดเรากำหนด IGD ตามคะแนน CIAS และเวลาเล่นเกมรายสัปดาห์ อย่างไรก็ตามคำจำกัดความที่อิงตามอาการดังกล่าวอาจขาดพื้นฐานทางทฤษฎีที่มั่นคงและมีความเสี่ยงต่อการทำให้เกิดพฤติกรรมที่พบบ่อย [70] ดังนั้นจึงขอแนะนำให้ใช้เครื่องมือวินิจฉัยใหม่ตามคำนิยามการดำเนินงานที่เหมาะสมของ IGD และพิจารณาเกณฑ์พิเศษที่สำคัญสำหรับการศึกษาในอนาคต

โดยสรุปจากการใช้การสำรวจระยะยาวร่วมกัน fMRI และการศึกษาการแทรกแซงเรารายงานว่าอาการของการเสพติดอินเทอร์เน็ตและภาวะซึมเศร้ามีความสัมพันธ์อย่างมากกับอิทธิพลซึ่งกันและกันในหมู่ผู้เล่นอินเทอร์เน็ต บุคคลที่มี IGD แสดงว่าการเชื่อมต่อ amygdala-DLPFC สูงขึ้นซึ่งสัมพันธ์กับอาการซึมเศร้าและการปรับเปลี่ยนเช่นเดียวกับการเชื่อมต่อ fronto-cingulate นั้นลดลงหลังจากการแทรกแซงพฤติกรรมสำหรับ IGD ร่วมกันอาการซึมเศร้าสูงและความผิดปกติของ fronto-cingulato-amgydala circuit ควรนำมาพิจารณาสำหรับการจำแนกประเภทการวินิจฉัยของ IGD และการพัฒนาของการแทรกแซงสำหรับ IGD

ผลงานของผู้เขียน

J-TZ และ X-YF มีหน้าที่รับผิดชอบในการศึกษาแนวคิดและการออกแบบ LL, C-CX, JL และ S-SM มีส่วนช่วยในการฝึกการแทรกแซงและการเก็บข้อมูล Y-WY, LL, J-TZ และ CL ช่วยในการวิเคราะห์ข้อมูลและตีความผลการวิจัย LL และ Y-WY ร่างต้นฉบับ J-TZ, CL และ X-YF ให้การแก้ไขที่สำคัญของต้นฉบับสำหรับเนื้อหาทางปัญญา ผู้เขียนทุกคนได้ทำการตรวจสอบและอนุมัติต้นฉบับฉบับสุดท้ายซึ่งส่งเพื่อตีพิมพ์

คำชี้แจงความขัดแย้งทางผลประโยชน์

ผู้เขียนประกาศว่าการวิจัยได้ดำเนินการในกรณีที่ไม่มีความสัมพันธ์ทางการค้าหรือทางการเงินใด ๆ ที่อาจตีความได้ว่าเป็นความขัดแย้งทางผลประโยชน์ที่อาจเกิดขึ้น

กิตติกรรมประกาศ

เราขอขอบคุณทุกวิชาที่เข้าร่วมในการศึกษาของเรา งานนี้ได้รับการสนับสนุนโดยมูลนิธิวิทยาศาสตร์ธรรมชาติแห่งชาติของจีน (หมายเลข 31170990, หมายเลข 81100992, หมายเลข 31700966) กองทุนสนับสนุนการวิจัยขั้นพื้นฐานสำหรับมหาวิทยาลัยกลาง (หมายเลข 2017XTCXXNNX); ทุน NIH (หมายเลข K04DA02); และทุนจากมูลนิธิวิทยาศาสตร์จีนหลังปริญญาเอก (หมายเลข 026990MXNNXX)

วัสดุเสริม

วัสดุเสริมสำหรับบทความนี้สามารถดูได้ทางออนไลน์ที่: https://www.frontiersin.org/articles/10.3389/fpsyt.2018.00154/full#supplementary-material

อ้างอิง

คำสำคัญ: amygdala, ภาวะซึมเศร้า, fMRI, ความผิดปกติของการเล่นเกมอินเทอร์เน็ต, การเชื่อมต่อการทำงานของรัฐพักผ่อน, เยื่อหุ้มสมอง cingulate ด้านหน้า subgenual

การอ้างอิง: Liu L, Yao YW, Li CR, จาง JT, Xia CC, Lan J, Ma SS, Zhou N และ Fang XY (2018) Comorbidity ระหว่างความผิดปกติของการเล่นเกมอินเทอร์เน็ตและภาวะซึมเศร้า: ความสัมพันธ์และกลไกประสาท ด้านหน้า จิตเวช 9: 154 doi: 10.3389 / fpsyt.2018.00154

ได้รับ: 26 มกราคม 2018; ยอมรับแล้ว: 04 เมษายน 2018;
เผยแพร่: 23 เมษายน 2018

ลิขสิทธิ์© 2018 Liu, Yao, Li, Zhang, Xia, Lan, Ma, โจวและฝาง นี่เป็นบทความแบบเปิดที่เผยแพร่ภายใต้เงื่อนไขของ ใบอนุญาตแสดงที่มาของครีเอทีฟคอมมอนส์ (CC BY). อนุญาตให้ใช้งานแจกจ่ายหรือทำซ้ำในฟอรัมอื่นโดยผู้แต่งดั้งเดิมและเจ้าของลิขสิทธิ์จะได้รับเครดิตและสิ่งพิมพ์ต้นฉบับในวารสารนี้ได้รับการอ้างอิงตามแนวทางปฏิบัติทางวิชาการที่เป็นที่ยอมรับ ไม่อนุญาตให้ใช้แจกจ่ายหรือทำซ้ำซึ่งไม่เป็นไปตามข้อกำหนดเหล่านี้

* จดหมายโต้ตอบ: Jin-Tao Zhang, [ป้องกันอีเมล]
Xiao-Yi Fang [ป้องกันอีเมล]

^†ผู้เขียนเหล่านี้มีส่วนร่วมอย่างเท่าเทียมกับงานนี้