การวิเคราะห์บนเครือข่ายเผยการเชื่อมต่อการทำงานที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ต (2016)

นามธรรม

ความลุ่มหลงและการบังคับใช้อินเทอร์เน็ตอาจส่งผลทางจิตวิทยาเชิงลบเช่นมีความผิดปกติทางจิตมากขึ้น การศึกษาครั้งนี้ใช้สถิติเครือข่ายเพื่อสำรวจว่าการเชื่อมต่อการทำงานของสมองทั้งส่วนที่เหลือเกี่ยวข้องกับระดับการติดอินเทอร์เน็ตของแต่ละบุคคลซึ่งจัดทำโดยแบบสอบถามที่จัดอันดับโดยตนเอง เราระบุเครือข่ายที่สำคัญสองเครือข่ายหนึ่งที่มีการเชื่อมต่อที่มีความสัมพันธ์เชิงบวกกับแนวโน้มการติดอินเทอร์เน็ตและหนึ่งที่มีการเชื่อมต่อมีความสัมพันธ์เชิงลบกับแนวโน้มการติดอินเทอร์เน็ต เครือข่ายทั้งสองเชื่อมต่อกันเป็นส่วนใหญ่ที่ภูมิภาคด้านหน้าซึ่งอาจสะท้อนถึงการเปลี่ยนแปลงในภูมิภาคหน้าผากสำหรับแง่มุมต่าง ๆ ของการควบคุมการรับรู้ (เช่นสำหรับการควบคุมการใช้อินเทอร์เน็ตและทักษะการเล่นเกม) ต่อไปเราแบ่งสมองออกเป็นกลุ่มย่อยขนาดใหญ่หลายแห่งในภูมิภาคและพบว่าสัดส่วนของการเชื่อมต่อในเครือข่ายส่วนใหญ่นั้นสอดคล้องกับรูปแบบสมองน้อยของการเสพติดซึ่งครอบคลุมรูปแบบสี่วงจร

สุดท้ายเราสังเกตว่าบริเวณสมองที่มีการเชื่อมต่อระหว่างภูมิภาคมากที่สุดที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ตจะทำซ้ำสิ่งที่เห็นบ่อยครั้งในวรรณกรรมติดยาเสพติดและได้รับการยืนยันจากการวิเคราะห์อภิมานของการศึกษาการเสพติดอินเทอร์เน็ต งานวิจัยนี้ให้ความเข้าใจที่ดีขึ้นของเครือข่ายขนาดใหญ่ที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ตและแสดงให้เห็นว่าระดับการติดอินเทอร์เน็ตก่อนกำหนดทางคลินิกเกี่ยวข้องกับภูมิภาคและการเชื่อมต่อที่คล้ายกันเป็นกรณีติดยาทางคลินิก

คำสำคัญ: การติดอินเทอร์เน็ต, สถิติบนเครือข่าย, การเชื่อมต่อการทำงาน, สถานะพักผ่อน, การวิเคราะห์เมตา

บทนำ

การติดอินเทอร์เน็ต (; ) เป็นปรากฏการณ์ที่ทันสมัยที่โดดเด่นด้วยความลุ่มหลงและการใช้อินเทอร์เน็ต โดยเฉพาะอย่างยิ่งความผิดปกติของการเล่นเกมอินเทอร์เน็ต (IGD) ได้รับการระบุไว้ในหมวดที่ 3 ของคู่มือการวินิจฉัยและสถิติรุ่น 5 (DSM-5®, ) เนื่องจากขาดเกณฑ์มาตรฐานวรรณกรรมบางเล่มจึงถือว่าคำศัพท์ทั้งสองนั้นเหมือนกัน (ดู ; สำหรับการสนทนา); อย่างไรก็ตามการใช้อินเทอร์เน็ตอย่างบังคับและมากเกินไปสำหรับกิจกรรมใด ๆ (ซึ่งเราจะอ้างถึงในวรรณกรรมฉบับนี้ว่าการเสพติดอินเทอร์เน็ต) เป็นโลกมากกว่าประเภทย่อยที่สำคัญ IGD ซึ่งอาจรวมถึงการใช้อินเทอร์เน็ตหลายรูปแบบนอกเหนือจากเกมออนไลน์ (; ; ) การศึกษาปัจจุบันของเราตรวจสอบการติดอินเทอร์เน็ตในรูปแบบทั่วไป เช่นเดียวกับความผิดปกติในการใช้สารเสพติดการเสพติดอินเทอร์เน็ตแสดงอาการถอนความอดทนการสูญเสียการควบคุมและปัญหาด้านจิตสังคมนำไปสู่ความทุกข์ทรมานอย่างมีนัยสำคัญทางคลินิกหรือการด้อยค่าในการทำงานประจำวัน ความชุกดูเหมือนว่าประเทศในเอเชียที่สูงที่สุดและในวัยรุ่นชายและได้รับการประเมินในช่วงตั้งแต่ 14.1 ถึง 16.5% (ช่วงความเชื่อมั่นร้อยละ 95) ในหมู่นักศึกษาวิทยาลัยไต้หวันในการศึกษาครั้งเดียว () ปรากฏการณ์ดังกล่าวดึงดูดความสนใจมากขึ้นในช่วงไม่กี่ปีที่ผ่านมาและสมควรได้รับการวิจัยเพิ่มเติมอย่างชัดเจน

การถ่ายภาพด้วยเรโซแนนซ์สนามแม่เหล็ก (fMRI) ได้ถูกนำมาใช้เพื่อระบุสารตั้งต้นทางประสาทของการติดอินเทอร์เน็ต (; ; ) ในการศึกษาที่ถูกบล็อกและเกี่ยวข้องกับเหตุการณ์หลายภูมิภาคที่เกี่ยวข้องกับการให้รางวัลการติดยาเสพติดและความอยากได้รับการพิสูจน์โดยการเปรียบเทียบตัวชี้นำการเล่นเกมอินเทอร์เน็ตกับพื้นฐานซึ่งรวมถึง insula, นิวเคลียส accumbens (NAc), dorsolateral prefrontal cortex (DLPFC) เยื่อหุ้มสมอง (OFC) (; ; ; ; ) อย่างไรก็ตามวิธีการเปิดใช้งานนั้นแตกต่างจากกิจกรรมที่เกี่ยวข้องกับคิวและไม่ได้ระบุว่าภูมิภาคของสมองมีปฏิสัมพันธ์อย่างไรจึงไม่สามารถจำแนกลักษณะการเชื่อมต่อการทำงานที่เปลี่ยนแปลงซึ่งเกี่ยวข้องกับมาตรการทางคลินิกหรือพฤติกรรม แต่ความผิดปกติของมนุษย์เป็นผลมาจากการรบกวนในระบบที่ซับซ้อนซึ่งเชื่อมโยงถึงกัน) การแนะนำ fMRI ที่พักผ่อนได้พิสูจน์ให้เห็นแล้วว่าเป็นเครื่องมืออันทรงพลังสำหรับการศึกษาการเชื่อมต่อระบบประสาทสมองทั้งหมด (). การเชื่อมต่อการทำงานของสถานะพักผ่อนได้รับการประเมินโดยความสัมพันธ์ของความผันผวนตามธรรมชาติของสัญญาณออกซิเจนในเลือดขึ้นอยู่กับระดับ (BOLD) ในพื้นที่ต่างๆของสมองและคิดว่าเป็นตัวชี้วัดการทำงานขององค์กรและสามารถช่วย ในสเปกตรัมของฟีโนไทป์ทางจิตวิทยา (; ).

แม้ว่าจะมีการศึกษาบางอย่างที่ใช้การเชื่อมต่อการทำงานเพื่อตรวจสอบการเชื่อมต่อการทำงานที่เปลี่ยนแปลงที่เกี่ยวข้องกับการติดอินเทอร์เน็ต แต่การศึกษาส่วนใหญ่ใช้พื้นที่ของเมล็ดที่เลือกนิรนัยเช่น (a) มีความสัมพันธ์กับภูมิภาคหนึ่งเมล็ด ใช้ NAc; ใช้ gyrus หน้าผากขวา (IFG) ที่ด้อยกว่า; ใช้เยื่อหุ้มสมองด้านหลัง cingulate (PCC); ใช้ amygdala; ใช้ insula; ใช้นิวเคลียส caudate และ putamen; ใช้เสาด้านหน้าขวา ใช้ DLPFC ที่เหมาะสม] หรือ (b) ดำเนินการสหสัมพันธ์ระหว่าง ROIs ที่กำหนดไว้ล่วงหน้าจำนวนมากที่เลือกจากเครือข่ายที่มีความหมาย ( ตรวจสอบเครือข่ายผู้บริหารระดับกลางและเครือข่าย salience; ตรวจสอบเครือข่ายการควบคุมผู้บริหาร ตรวจสอบเครือข่ายการควบคุมผู้บริหารและเครือข่ายผลตอบแทน; ตรวจสอบเครือข่ายยับยั้งการตอบสนอง; ตรวจดูเยื่อหุ้มสมองอักเสบทั้งสองข้างที่กำหนดไว้ล่วงหน้าหก ROIs) ขอบเขตของเมล็ดพันธุ์ที่กำหนดไว้ล่วงหน้าที่ตรวจสอบนั้นเป็นเพียงส่วนเล็ก ๆ ของสมองดังนั้นพวกเขาอาจไม่สามารถให้ภาพรวมที่สมบูรณ์ของวิธีที่ connectome ได้รับผลกระทบจากการติดอินเทอร์เน็ต

มีงานวิจัยน้อยมากที่ใช้วิธีการเรียนรู้ทั้งสมองเพื่อศึกษาการเสพติดอินเทอร์เน็ต สำหรับความรู้ของเราในปัจจุบันมีบทความที่ตีพิมพ์เพียงสี่ฉบับเท่านั้นที่ใช้วิธีการทั้งสมองและวิธีการของพวกเขาค่อนข้างแปรผันตั้งแต่สถิติบนเครือข่าย (NBS) ) ถึงทอพอโลยี (; ; ) กับการเชื่อมต่อ homotopic แบบ voxel ที่มิร์เรอร์ของ novelly ที่พัฒนาแล้ว () โดยเฉพาะอย่างยิ่ง, ใช้ NBS เพื่อระบุความแตกต่างระหว่างกลุ่มในการเชื่อมต่อการทำงานระหว่างภูมิภาคและพบการเชื่อมต่อที่บกพร่องในวงจร cortico-subcortical ในผู้ป่วยที่ติดอินเทอร์เน็ต อย่างไรก็ตามการศึกษาของพวกเขามุ่งเน้นไปที่กลุ่มตัวอย่างขนาดเล็กของประชากรที่ไม่ซ้ำกัน (วัยรุ่นตอนต้นชาย)

ดังนั้นในรายงานฉบับปัจจุบันของเราเราจึงตัดสินใจใช้วิธีเชื่อมต่อทั้งสมอง (NBS); ) เพื่อระบุการเชื่อมต่อการทำงานที่คาดการณ์แนวโน้มการติดอินเทอร์เน็ต NBS เป็นวิธีการทางสถิติที่ผ่านการตรวจสอบความถูกต้องเพื่อจัดการกับปัญหาการเปรียบเทียบหลายรายการบนกราฟซึ่งคล้ายกับวิธีที่อิงกับคลัสเตอร์ () และใช้เพื่อระบุการเชื่อมต่อและเครือข่ายที่ประกอบด้วยรูปทรงของมนุษย์ที่เกี่ยวข้องกับผลการทดลองหรือความแตกต่างระหว่างกลุ่มโดยการทดสอบสมมติฐานที่เป็นอิสระในทุกการเชื่อมต่อ ผลลัพธ์ของเราจะถูกนำไปเปรียบเทียบกับการวิเคราะห์อภิมานของเอกสารที่มีอยู่ที่เกี่ยวข้องกับความสัมพันธ์ทางประสาทของการติดอินเทอร์เน็ต เราหวังที่จะขยายวรรณกรรมที่มีอยู่ในหลายวิธี: (1) เราหวังว่าจะให้ภาพที่สมบูรณ์ของการติดอินเทอร์เน็ตโดยใช้การวิเคราะห์สมองทั้งหมดแทนที่จะใช้เพียงเล็กน้อยของพื้นที่เมล็ดที่กำหนดไว้ล่วงหน้าจำนวนเล็กน้อย (2) แม้ว่าจะมีการศึกษาการเชื่อมต่อการทำงานของสมองทั้งสองอย่างเกี่ยวกับการติดอินเทอร์เน็ต (เช่น ; ) การศึกษาเปรียบเทียบกลุ่มผู้ติดอินเทอร์เน็ตที่มีการควบคุมที่ดีต่อสุขภาพ การศึกษาของเราไม่ได้เกี่ยวข้องกับผู้ป่วยทางคลินิก แต่มีแนวโน้มที่จะติดยาเสพติดทางอินเทอร์เน็ตเป็นการไล่ระดับสี เราหวังว่าจะระบุการเชื่อมต่อที่ใช้งานได้ซึ่งความแข็งแกร่งนั้นถูกปรับตามระดับการติด (3) การศึกษาเรื่องการติดอินเทอร์เน็ตส่วนใหญ่ไม่ได้คำนึงถึงสมอง แต่ยังมีส่วนเกี่ยวข้องกับสมองส่วนที่ติดยาเสพติด () ดังนั้นเราจึงได้รวมซีรีเบลลัมไว้ในการวิเคราะห์ของเรา (4) การศึกษาจำนวนมาก จำกัด กลุ่มผู้เข้าร่วมไว้เฉพาะผู้ชายและมักมีขนาดตัวอย่างค่อนข้างน้อย (เช่น , ; ) เพื่อเพิ่มความสามารถทั่วไปและพลังของการศึกษาเหล่านี้จำเป็นต้องมีตัวอย่างที่มีทั้งเพศและขนาดตัวอย่างที่ใหญ่กว่า () จากการแก้ปัญหาข้างต้นการศึกษาปัจจุบันหวังว่าจะให้ความเข้าใจที่ดีขึ้นเกี่ยวกับการเชื่อมต่อการทำงานที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ต

วัสดุและวิธีการ

meta-analysis

การวิเคราะห์อภิมานถูกสร้างขึ้นโดยใช้ฐานข้อมูล NeuroSynth (http://neurosynth.org; ) การวิเคราะห์ที่กำหนดเองดำเนินการโดยใช้คำค้นหา“ ติดยาเสพติด”“ ติดยาเสพติด”“ อินเทอร์เน็ต”“ เล่นเกม”“ เกม” และ“ ออนไลน์” เพื่อระบุการศึกษาที่เกี่ยวข้องกับการติดอินเทอร์เน็ตในฐานข้อมูล เกณฑ์การรวมถูกตรวจสอบด้วยตนเองและรายการของการศึกษารวมอยู่ในรายละเอียดในวัสดุเสริม 1 รวมการศึกษา 18 ทั้งหมด พิกัดการเปิดใช้งานสูงสุดรวมถึงพื้นที่ใกล้เคียงของ 6 mm voxels ถูกสกัดจากการศึกษาที่รวม จากนั้นจึงทำการวิเคราะห์เมตาดาต้าของพิกัดเหล่านี้เพื่อทำการผลิตไปข้างหน้าและเป็นการอนุมานทั้งสมอง zแผนที่ขนาดใหญ่ แผนที่อนุมานไปข้างหน้าสะท้อนถึงโอกาสที่ภูมิภาคจะเปิดใช้งานเมื่อได้รับข้อกำหนดเหล่านี้P(การเปิดใช้งาน | ข้อกำหนด)] ดังนั้นแจ้งให้เราทราบถึงความสอดคล้องของการเปิดใช้งานสำหรับข้อกำหนดที่กำหนด แผนที่การอนุมานย้อนกลับแสดงให้เห็นถึงโอกาสที่คำเหล่านี้จะถูกใช้ในการศึกษาที่มีการเปิดใช้งานการรายงานP(ข้อกำหนด | การเปิดใช้งาน)]; ดังนั้นภูมิภาคที่เปิดใช้งานบ่งชี้ว่ามีแนวโน้มที่จะเป็นการศึกษาที่เกี่ยวข้องกับการติดอินเทอร์เน็ตมากกว่าการศึกษาที่เกี่ยวข้องกับการติดอินเทอร์เน็ตที่ไม่สะท้อนการเลือกของภูมิภาคนั้น เนื่องจากการอนุมานไปข้างหน้าและย้อนกลับมีบทบาทสำคัญในการช่วยให้เราเข้าใจภูมิภาคที่เกี่ยวข้องกับการติดอินเทอร์เน็ตเราจึงซ้อนทับแผนที่การอนุมานทั้งสองนี้เพื่อร่างขอบเขตทั่วไปของพวกเขา กลุ่มที่มี voxels มากกว่าห้าตัวถูกรายงาน

พักผ่อน - รัฐ fMRI

ผู้เข้าร่วมกิจกรรม

ผู้เข้าร่วมการศึกษาที่มีสุขภาพดีเจ็ดสิบคน (เพศชาย 21 และเพศหญิง 26) จากไต้หวันตอนใต้ซึ่งส่วนใหญ่เป็นนักศึกษาหรือเจ้าหน้าที่ในมหาวิทยาลัยได้รับการคัดเลือกผ่านโฆษณาเพื่อเข้าร่วมการทดลอง (ช่วงอายุ = 19 – 29 ปีเฉลี่ยอายุ = 22.87 ปี, SD = 2.22 ปี) ผู้เข้าร่วมเป็นผู้ถนัดขวา (ระบุโดย Edinburgh Handedness Inventory) มีการมองเห็นปกติหรือแก้ไขตามปกติและไม่มีประวัติความผิดปกติทางจิตวิทยาหรือประสาท คะแนนความวิตกกังวลและความฉลาดของพวกเขาอยู่ในระดับปกติ [Beck's Depression Inventory (BDI) คะแนน: 0 – 12; คะแนนความวิตกกังวลของ Beck (BAI) คะแนน: 0 – 7; Raven's Standard Progressive Matrices คะแนนการทดสอบ: 35 – 57] The Chen Internet Addiction Scale-Revised (CIAS-R) คะแนนของผู้เข้าร่วมทั้งหมดมีช่วง = 28 – 92, ค่าเฉลี่ย = 60.04, SD = 16.53 ตาราง Table11 สรุปข้อมูลประชากรและลักษณะพฤติกรรมของผู้เข้าร่วม ค่าปกติของคะแนน CIAS-R ได้รับการตรวจสอบโดยการทดสอบชาปิโร่ - วิลค์ [W(47) = 0.98 p = 0.50] ไม่มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างเพศและคะแนน CIAS-R (Spearman's ρ = 0.15, p = 0.30) ผู้เข้าร่วมทุกคนให้ความยินยอมเป็นลายลักษณ์อักษรและโปรโตคอลการศึกษาได้รับการอนุมัติ (NO: B-ER-101-144) โดยคณะกรรมการพิจารณาสถาบัน (IRB) ของโรงพยาบาลมหาวิทยาลัยแห่งชาติเฉิงกุงไทหนานไต้หวัน ผู้เข้าร่วมทั้งหมดได้รับเงิน 500 NTD หลังจากเสร็จสิ้นการทดสอบ

1 ตาราง  

ข้อมูลด้านประชากรศาสตร์และลักษณะพฤติกรรม

แบบสอบถามมาตราส่วนติดยาเสพติดทางอินเทอร์เน็ตของเฉิน (CIAS-R)

มาตราส่วนการติดอินเทอร์เน็ตของเฉินได้รับการแก้ไข (CIAS-R; ) เป็นมาตรการ 26 รายการที่ใช้ในการประเมินความรุนแรงของการติดอินเทอร์เน็ต CIAS-R ขึ้นอยู่กับเกณฑ์พฤติกรรมการเติม DSM-IV-TR และมีสองประเภทย่อยของการติดอินเทอร์เน็ต (a) อาการหลักและ (b) ปัญหาที่เกี่ยวข้องประเมินห้ามิติรวมถึง (1) การบังคับใช้อินเทอร์เน็ต (2) การถอน อาการเมื่ออินเทอร์เน็ตถูกนำไปใช้ (3) ความอดทน (4) เสี่ยงต่อความสัมพันธ์ระหว่างบุคคลและสุขภาพร่างกายและปัญหาการจัดการเวลา (5) รายการจะถูกจัดอันดับในระดับ Likert 4 จุดด้วยคะแนนรวมตั้งแต่ 26 ถึง 104 สะท้อนให้เห็นถึงแนวโน้มการติดอินเทอร์เน็ตที่ต่ำถึงสูง มันแสดงให้เห็นว่า CIAS-R มีความมั่นคงภายในสูง (Cronbach's α = 0.79 – 0.93; ) และความแม่นยำในการวินิจฉัยสูง (AUC = 89.6%; ) ในการศึกษาปัจจุบันได้ใช้คะแนนรวม CIAS-R เป็นตัวบ่งชี้สถานะปัจจุบันของผู้ติดอินเทอร์เน็ต

การได้มาและประมวลผลภาพ

การถ่ายภาพดำเนินการโดยใช้เครื่องสแกนเนอร์ GE MR750 3T (GE Healthcare, Waukesha, WI, USA) ในศูนย์ MRI แห่งชาติมหาวิทยาลัย Cheng Kung ได้ภาพทางกายวิภาคความละเอียดสูงโดยใช้ fast-SPGR ประกอบด้วยแกน 166 ชิ้น (TR = 7.6 ms TE = 3.3 ms, มุมพลิก 171 = 12 °, เมทริกซ์ 224 ×เมทริกซ์ 224, ความหนาของชิ้น = 1 mm) ได้รับฟังก์ชั่นภาพโดยใช้ลำดับการถ่ายภาพแบบไล่ระดับสี - สะท้อนก้อง (EPI) (TR = 2000 ms TE = 30 ms, มุมพลิก = 77 °, เมทริกซ์ 64 ×เมทริกซ์ 64, ความหนาของชิ้น = 4 mm, ไม่มีช่องว่าง, ขนาด voxel 3.4375 mm × 3.4375 mm × 4 แกน 32 ที่ครอบคลุมทั่วทั้งสมอง)

ผู้เข้าร่วมได้รับคำสั่งให้ผ่อนคลายและนอนในเครื่องสแกนโดยหลับตา พวกเขาถูกขอให้ไม่คิดเกี่ยวกับเหตุการณ์เฉพาะขณะสแกน เวลาสแกนของภาพโครงสร้างประมาณ 3.6 ขั้นต่ำ ภาพการทำงานใช้เวลาประมาณ 8 ขั้นต่ำโดยมีห้า TRs แรกที่ทำหน้าที่สแกนหลอกเพื่อให้แน่ใจว่าสัญญาณเข้าสู่สถานะคงที่ก่อนรวบรวมข้อมูล ดังนั้นการรันจึงประกอบไปด้วยภาพปริมาณ 240 EPI สำหรับการวิเคราะห์

ข้อมูลถูกประมวลผลล่วงหน้าโดยใช้ Data Processing Assistant สำหรับ Resting-State fMRI (DPARSF; ) ซึ่งขึ้นอยู่กับฟังก์ชั่นใน MRIcroN (1) รวมถึงซอฟต์แวร์ Parametric Mapping ทางสถิติ (SPM2) และชุดเครื่องมือวิเคราะห์ข้อมูล fMRI สำหรับพักผ่อน (REST; ) ใน Matlab (The MathWorks, Inc. , Natick, MA, USA) ภาพการทำงานจะผ่านการแก้ไขการแบ่งเวลาตามด้วยการจัดแนวใหม่เพื่อแก้ไขการเคลื่อนไหวของศีรษะโดยใช้การแปลงร่างแบบแข็งหกพารามิเตอร์ การเคลื่อนไหวโดยรวมที่มีลักษณะโดยการกระจัดเฉลี่ย framewise (FD) ไม่ใหญ่ (Mean = 0.05, SD = 0.03) และไม่สัมพันธ์กับคะแนน CIAS-R (Spearman's ρ = -0.28 p = 0.055) ดังนั้นแรงกระตุ้นจึงไม่ใช่ปัจจัยที่ทำให้เกิดการติดคะแนนและการเคลื่อนไหวของอินเทอร์เน็ต () ภาพ T1 ได้รับการลงทะเบียน core กับภาพที่ทำงานได้ ภาพโครงสร้างถูกแบ่งออกเป็น CSF สสารสีขาวและสีเทาตามแผนที่ความน่าจะเป็นเนื้อเยื่อในพื้นที่ MNI และการคำนวณเหล่านี้ถูกนำมาใช้ในการทำให้ภาพ T1 และ EPI กลับสู่สภาพเดิมเป็นมาตรฐาน ข้อมูลถูกทำให้ราบเรียบในโดเมนอวกาศโดยใช้เคอร์เนลเกาส์เซียนที่มีความกว้างเต็ม 6 มม. ที่ครึ่งสูงสุด (FWHM) และลบแนวโน้มเชิงเส้นออก ความแปรปรวนของความรำคาญรวมถึงสัญญาณค่าเฉลี่ยทั่วโลก, สัญญาณสสารสีขาว, และสัญญาณของน้ำไขสันหลัง แม้ว่าจะดำเนินการถดถอยสัญญาณระดับโลกหรือไม่ ) เราตัดสินใจที่จะใช้วิธีนี้เพราะมันได้รับการแนะนำเพื่อเพิ่มความจำเพาะของความสัมพันธ์ในการทำงานและปรับปรุงการติดต่อระหว่างความสัมพันธ์ระหว่างพักผ่อนกับกายวิภาค (; ; ) ขั้นสุดท้ายภาพจะผ่านการกรองแบนด์ของ 0.01 – 0.08 Hz

การวิเคราะห์ข้อมูล

อิมเมจ fMRI ได้รับการจัดเรียงตามการติดฉลากอัตโนมัติกายวิภาค (AAL; ) เทมเพลตแบ่งสมองตามโครงสร้างกายวิภาคเป็น 116 ROIs (หรือโหนด) เราเลือก Atlas AAL เพราะเป็นกลุ่มที่ใช้กันมากที่สุดในการศึกษาเครือข่ายการทำงาน () และยังเป็นแม่แบบที่ใช้โดย ซึ่งการศึกษาเกี่ยวข้องกับเรามากที่สุดซึ่งเป็นการเพิ่มระดับความสามารถในการเปรียบเทียบในการศึกษา () วิธีการ NBS ถูกใช้เพื่อระบุเครือข่ายสมองที่ประกอบด้วยการเชื่อมต่อการทำงานระหว่างภูมิภาคแสดงความสัมพันธ์อย่างมีนัยสำคัญกับคะแนน CIAS-R การวิเคราะห์ต่อไปนี้กระทำโดยใช้กล่องเครื่องมือสถิติบนเครือข่าย () ด้วยสคริปต์ Matlab เพิ่มเติมภายใน บริษัท เมทริกซ์ความสัมพันธ์ 116 × 116 ถูกสร้างขึ้นสำหรับผู้เข้าร่วมแต่ละคนโดยใช้หลักสูตรเวลาที่ดึงมาจาก ROI แต่ละตัว ของเพียร์สัน r ค่าถูกทำให้เป็นมาตรฐาน Z คะแนนการใช้ฟิชเชอร์ Z การเปลี่ยนแปลง แต่ละเซลล์ของเมทริกซ์สหสัมพันธ์แสดงถึงความแข็งแรงของการเชื่อมต่อ (หรือขอบ) ระหว่างสองโหนด การทดสอบแบบไม่แปรผันจำนวนมากโดยใช้สหสัมพันธ์อันดับของ Spearman ดำเนินการระหว่างคะแนน CIAS-R ของผู้เข้าร่วมและจุดแข็งของขอบภายในแต่ละขอบเพื่อระบุการเชื่อมต่อที่เกี่ยวข้องซึ่งคาดการณ์ได้ของคะแนน CIAS-R ขอบผู้สมัครที่แสดงคะแนน CIAS-R ในการคาดเดาได้สูงถูกเลือกผ่านเกณฑ์หลักของ Spearman's rho> 0.37 และ <-0.37 (ประมาณอัลฟาด้านเดียว = 0.005) ตามลำดับเพื่อระบุเครือข่ายที่เกี่ยวข้องกับ CIAS ในเชิงบวกและเชิงลบ คะแนน R ถัดไปคลัสเตอร์โทโพโลยีที่เรียกว่าส่วนประกอบกราฟที่เชื่อมต่อถูกระบุในการเชื่อมต่อเหนือธรณีประตู ข้อผิดพลาดแบบครอบครัว (FWE) สำหรับขนาดส่วนประกอบถูกคำนวณโดยใช้การทดสอบการเรียงสับเปลี่ยน (3000 การเรียงสับเปลี่ยน) ซึ่งเกี่ยวข้องกับการจัดลำดับคะแนน CIAS-R แบบสุ่มและทำซ้ำกระบวนการข้างต้นแต่ละการเปลี่ยนแปลงเพื่อให้ได้การแจกแจงค่า null ของขนาดส่วนประกอบที่ใหญ่ที่สุด ส่วนประกอบกราฟที่เชื่อมต่อซึ่งมีขนาดเกินกว่าค่าประมาณที่แก้ไข FWE p- การตัดค่า <0.05 ถูกระบุว่าเป็นเครือข่ายที่มีความสัมพันธ์อย่างมีนัยสำคัญกับแนวโน้มการติดอินเทอร์เน็ต ผู้ดู BrainNet () ใช้สำหรับการสร้างภาพการเชื่อมต่อ ภาพประกอบของขั้นตอนการวิเคราะห์ข้อมูลแสดงขึ้น รูป Figure11.

รูป 1  

แผนผังลำดับงานของการวิเคราะห์ข้อมูล สมองของผู้เข้าร่วมได้รับการประมวลผลและแยกชิ้นส่วนไปยังพื้นที่โครงสร้างที่แตกต่างกันตามเทมเพลต AAL เมทริกซ์สหสัมพันธ์ถูกสร้างขึ้นโดยใช้เวลาที่สกัดจากแต่ละภูมิภาคถึง ...

ผลสอบ

meta-analysis

การอนุมานไปข้างหน้าและย้อนกลับ zแผนที่ขนาดใหญ่ถูกสร้างขึ้นจาก NeuroSynth (แสดงใน รูป Figure22) การเปิดใช้งานในแผนที่ทั้งสองนี้แสดงความคล้ายคลึงกันสูง แผนที่เหล่านี้ซ้อนทับกันเผยให้เห็นการเปิดใช้งานในภูมิภาคของ cerebellum, กลีบขมับ (ทวิภาคีด้อยกว่า gyri, ขั้วขมับขวาที่เหนือกว่าและขวากลางและเหนือขมับ gyrus), หลายภูมิภาคหน้าผาก (ซ้ายกลางและเหนือกว่า gyrus หน้าผากหน้าผาก เพอคิวลัมด้านหน้าส่วนล่างขวาและพรีเซนเทลยิรัลขวา) พูเมนทวิภาคี, insula ทวิภาคี, ซิงก์กลางที่เหมาะสม, และ precuneus ขวา ตาราง Table22 แสดงรายการคลัสเตอร์ที่ระบุรวมถึงขอบเขต AAL ที่เป็นของคลัสเตอร์

รูป 2  

แผนที่การอนุมานของการวิเคราะห์เมตาดาต้าดำเนินการใน NeuroSynth แสดงภูมิภาคที่ใช้งานในการอนุมานไปข้างหน้าการอนุมานย้อนกลับและการทับซ้อนของแผนที่ทั้งสอง.
2 ตาราง  

กลุ่มที่ซ้อนทับกันของแผนที่การอนุมานไปข้างหน้าและย้อนกลับ

พักผ่อน - รัฐ fMRI

การเชื่อมต่อการทำงานที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ต

เราใช้ NBS เพื่อระบุเครือข่ายสองเครือข่ายที่แสดงความสัมพันธ์อย่างมีนัยสำคัญของความแข็งแรงของขอบและคะแนน CIAS-R (p <0.05, แก้ไข FWE): ขอบที่มีความสัมพันธ์เชิงบวกกับคะแนน CIAS-R ("CIAS-R positive" แสดงเป็นสีแดง) และอีกอันที่มีขอบมีความสัมพันธ์เชิงลบกับ CIAS-R ("CIAS-R negative" ที่แสดง สีฟ้า) เครือข่ายเชิงบวก CIAS-R ประกอบด้วยทั้งหมด 65 โหนดและ 90 ขอบ (45 ภายในสมอง, 42 interhemispheric และ 3 เชื่อมต่อกับ vermis) ในขณะที่เครือข่ายลบประกอบด้วย 64 โหนดและ 89 ขอบ (35 ภายในสมอง, 40 interhemispheric และ 14 เชื่อมต่อกับ / ภายใน vermis) สิ่งสำคัญคือต้องสังเกตว่าทั้งสองเครือข่ายไม่ได้แยกจากกันโดยสิ้นเชิงและใช้ร่วมกันทั้งหมด 39 โหนดโดย 30.77% เป็นบริเวณกลีบหน้า จำนวนขอบทั้งหมดที่เกี่ยวข้องกับ CIAS-R ประกอบด้วย 2.68% ของขอบทั้งหมดของสมอง เครือข่ายแสดงในรูปแบบ รูป Figure33 และการเชื่อมต่อเฉพาะมีการระบุไว้ในวัสดุเสริม 2, ตาราง S1

รูป 3  

เครือข่ายการเชื่อมต่อที่สัมพันธ์กับคะแนน CIAS-R ทรงกลมสีเทาแสดงถึงเซนทรอยด์ของแต่ละโหนดและจะถูกปรับสัดส่วนตามจำนวนขอบที่สำคัญที่สัมพันธ์กับ แสดงเฉพาะโหนดที่มีการเชื่อมต่อ เส้นสีแดงแสดงถึง ...

การกระจายทั่วโลกของขอบที่เกี่ยวข้อง

เพื่อให้เข้าใจได้ดียิ่งขึ้นว่าเรากระจายการเชื่อมต่อเหล่านี้อย่างไร และ และจัดหมวดหมู่ AAL แต่ละภูมิภาคภายในแต่ละเครือข่ายว่าเป็นของกลุ่มย่อยเจ็ดภูมิภาค ได้แก่ ด้านหน้าขมับขม่อมท้ายทอย insula และ cingulate gyri subcortical และ cerebellum ขอบส่วนใหญ่ในเครือข่ายเชิงบวกของ CIAS-R นั้นเกี่ยวข้องกับการเชื่อมต่อระหว่าง (1) พื้นที่ทางโลกกับ insula และ cingulate gryi (∼13%) ซึ่งส่วนใหญ่เกี่ยวข้องกับการเชื่อมต่อของไจรัสด้านหลังในภูมิภาคต่างๆ (2) บริเวณหน้าผากและขมับ (∼12%) ซึ่งรวมถึงการเชื่อมต่อระหว่างเยื่อหุ้มสมอง orbitofrontal เยื่อหุ้มสมองกึ่งกลาง, กลีบ paracentral และ gyri กลีบขมับ, ขั้วขมับ; และ (3) ภูมิภาคข้างขม่อมและ subcortical (∼11%) ประกอบด้วยการเชื่อมต่อระหว่างเยื่อหุ้มสมองหลัง postcentral และสมองกลีบข้างขม่อมที่เหนือกว่ากับ putamen และ pallidum เป็นที่น่าสนใจที่จะทราบว่ายกเว้นพูหน้าผากส่วนอื่น ๆ ทั้งหมดไม่มีการเชื่อมต่อภายในภูมิภาคที่มีความแข็งแกร่งเชิงบวกกับแนวโน้มการติดอินเทอร์เน็ต ขอบส่วนใหญ่ในเครือข่ายเชิงลบของ CIAS-R เกี่ยวข้องกับการเชื่อมต่อระหว่าง (1) กลีบสมองส่วนหน้าและสมองน้อย (∼19%) ซึ่งส่วนใหญ่เป็นการเชื่อมต่อระหว่างภูมิภาคด้านหน้าของวงโคจรกับ ROIs ต่างๆของสมองน้อย และ (2) insula และ cingulate gyri และกลีบขมับ (∼12%) ซึ่งประกอบด้วยการเชื่อมต่อระหว่าง insula, cingulum, parahippocampal และกลีบขมับ gyri ไม่พบภูมิภาคท้ายทอยถูกรวมอยู่ในเครือข่ายเชิงลบ CIAS-R สัดส่วนของการเชื่อมต่อระหว่างภูมิภาคของแต่ละเครือข่ายนั้นแสดงให้เห็นใน รูป Figure44.

รูป 4  

สัดส่วนของขอบที่มีความสัมพันธ์เชิงบวกและเชิงลบกับแนวโน้มการติดอินเทอร์เน็ตในกลุ่มย่อยคู่ภูมิภาค สัดส่วนถูกคำนวณโดยการหารจำนวนของขอบระหว่าง (หรือภายใน) คู่ของพื้นที่ที่มีทั้งหมด ...

โหนดที่ได้รับผลกระทบสูงสุด

เนื่องจากมีการระบุขอบจำนวนมากเราจึงติดตาม และระบุโหนดที่มี“ ผลรวมของ CIAS-R-correlated edge” สูงเพื่อมุ่งเน้นการวิเคราะห์ของเราในภูมิภาคที่มีการเชื่อมต่อที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ต ผลรวมของขอบที่สัมพันธ์กันของ CIAS-R ของโหนดถูกกำหนดเป็นจำนวนรวมของขอบในเครือข่ายเชิงลบ CIAS-R และเครือข่ายเชิงลบ CIAS-R (นี่คือแนวคิดที่เทียบเท่ากับการวัดระดับในทฤษฎีกราฟ) วิธีนี้จะช่วยให้เราสามารถระบุโหนดที่การเชื่อมต่อมีแนวโน้มที่จะมีการเปลี่ยนแปลงโดยแนวโน้มการติดอินเทอร์เน็ต ดังต่อไปนี้ ตาราง Table33 แสดงรายการโหนดที่ได้รับผลกระทบสูงสุดและแสดงโหนดที่มีผลรวมอย่างน้อยของ CIAS-R-correlated edge อย่างน้อย 8 การแสดงผลของโหนดและการเชื่อมต่อของพวกเขาจะปรากฏขึ้น รูป Figure55. เหล่านี้เป็นโหนดที่เลือกสำหรับการอภิปราย

3 ตาราง  

การวิเคราะห์ระดับโหนดของแนวโน้มการติดอินเทอร์เน็ต
รูป 5  

การแสดงโหนดที่มีจำนวนขอบสูงสุดที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ต ทรงกลมสีเขียวแสดงถึงเซนทรอยด์ของแต่ละโหนดด้วยขอบสูงสุดในขณะที่ทรงกลมสีเหลืองแสดงถึงคู่เชื่อมต่อการทำงานของพวกเขา เส้นสีแดงหมายถึงขอบ ...

การสนทนา

ในกลุ่มผู้ใหญ่ทั่วไปเราประเมินระดับการติดอินเทอร์เน็ตของพวกเขาผ่านแบบสอบถามที่จัดอันดับตัวเอง (CIAS-R) และระบุอีกสองเครือข่ายสมองที่การเชื่อมต่อการทำงานมีความสัมพันธ์เชิงบวกและเชิงลบกับแนวโน้มการติดอินเทอร์เน็ต ในต่อไปนี้เราจะหารือเกี่ยวกับผลลัพธ์ของเราในระดับการสังเกตที่แตกต่างกัน: (1) ภูมิภาคสำคัญที่เชื่อมโยงเครือข่ายเชิงลบ CIAS-R บวกและ CIAS-R เชิงลบภูมิภาค (2) ที่มีสัดส่วนการเชื่อมต่อสูงที่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ต ) โหนดที่สำคัญมีการเปลี่ยนแปลงโดยแนวโน้มการติดอินเทอร์เน็ต

Frontal Regions เชื่อมโยงเครือข่ายเชิงบวก CIAS-R บวกและ CIAS-R

เราสังเกตว่าส่วนใหญ่ของโหนดที่เชื่อมโยงเครือข่ายทั้งสอง (CIAS-R positive และ CIAS-R เชิงลบ) ตั้งอยู่ภายในกลีบสมองส่วนหน้า ภูมิภาคเหล่านี้รวมถึง gyrus frontal superior, IFG, gyrus frontal medial, operlandum rolandic และพื้นที่เสริมมอเตอร์ เยื่อหุ้มสมองส่วนหน้ามีส่วนเกี่ยวข้องกับโครงสร้างสำคัญในการควบคุมการรับรู้การยับยั้งและการเลือกคำตอบ (; ; ) การติดอินเทอร์เน็ตเป็นปรากฏการณ์ที่ผู้ติดยาเสพติดได้ลดการควบคุมตนเองและการตัดสินใจเกี่ยวกับการใช้อินเทอร์เน็ตสะท้อนให้เห็นถึงการใช้อย่างต่อเนื่องมากเกินไปแม้จะมีความรู้เรื่องผลกระทบเชิงลบ ตัวอย่างเช่นการศึกษาหลายแห่งพบว่าผู้เข้าร่วมที่ติดอินเทอร์เน็ตแสดงให้เห็นว่าการเปิดใช้งาน fronto-striatal และ fronto-parietal สูงขึ้นในช่วงงาน Go / Nogo (; ; ) และงาน Stroop (, , ) แนะนำการยับยั้งการตอบสนองที่ต่ำกว่าและการตรวจสอบข้อผิดพลาดและเพิ่มแรงกระตุ้น แต่ในทางกลับกันผู้เสพติดอินเทอร์เน็ตและผู้เล่นวิดีโอเกมมักจะแสดงประสิทธิภาพที่ยอดเยี่ยมของฟังก์ชั่นการคิดเช่นการควบคุมมอเตอร์และการตัดสินใจที่มีประสิทธิภาพในระหว่างการเล่นเกม อันที่จริงผลการฝึกของการเล่นวิดีโอเกมได้แสดงให้เห็นถึงความหลากหลายของทักษะผู้บริหารที่เพิ่มขึ้นรวมถึงการรับรู้, มอเตอร์, ความตั้งใจและทักษะการอนุมานความน่าจะเป็น (; ; ; ; ) หนึ่งการศึกษา fMRI พบว่าลดการรับสมัครของเครือข่าย fronti-parietal ในเครื่องเล่นวิดีโอเกมเมื่อเทียบกับผู้ที่ไม่ใช่นักเล่นเกมในระหว่างงานที่มีความต้องการสูงซึ่งอาจสะท้อนถึงการบริหารที่มีประสิทธิภาพและการควบคุมแบบตั้งใจ). ใบหน้าทั้งสองของการควบคุมการรับรู้ที่แสดงโดยผู้ติดอินเทอร์เน็ตทำให้เกิดปัญหาที่น่าสนใจ ในการศึกษาของเราการสังเกตบริเวณหน้าผากเชื่อมโยงเครือข่ายทั้งสองที่ลดการเชื่อมต่อการทำงานและเพิ่มขึ้นโดยแนวโน้มการติดอินเทอร์เน็ตอาจสะท้อนการเปลี่ยนแปลงในภูมิภาคหน้าผากสำหรับแง่มุมต่าง ๆ ของการควบคุมการรับรู้ (เช่นสำหรับการควบคุมการใช้อินเทอร์เน็ตและทักษะการเล่นเกม). เป็นมูลค่าการกล่าวขวัญว่าแม้ว่า ตั้งสมมติฐานว่าอาจจะมีการเชื่อมต่อการทำงานที่เพิ่มขึ้นที่เกี่ยวข้องกับผลกระทบการปฏิบัติในผู้ติดอินเทอร์เน็ต, การเชื่อมต่อการทำงานลดลงเท่านั้นที่สังเกตในการศึกษา ความเป็นไปได้อย่างหนึ่งที่เสนอโดย สำหรับการขาดการเชื่อมต่อการทำงานที่เพิ่มขึ้นในบุคคลที่ติดอินเทอร์เน็ตคือขนาดตัวอย่างเล็ก ๆ ของพวกเขาส่งผลให้ขาดพลังงาน ด้วยการใช้การวิเคราะห์โดยใช้เมล็ดซึ่งจำเป็นต้องมีการเปรียบเทียบหลายครั้งน้อยกว่าการใช้สมองทั้งหมด วิเคราะห์ข้อมูล 2013 อีกครั้งและสังเกตว่าการเชื่อมต่อการทำงานเพิ่มขึ้นและลดลงทั้งที่เกี่ยวข้องกับการติดอินเทอร์เน็ต

การเชื่อมต่อที่กระจายอย่างกว้างขวางของเครือข่ายแนวโน้มการเสพติดอินเทอร์เน็ต

ข้อมูลแสดงการเชื่อมต่อระหว่างและภายในสมองจำนวนมากในเครือข่ายเชิงลบ CIAS-R ทั้งบวกและ CIAS-R สะท้อนให้เห็นถึงอิทธิพลที่กว้างขวางของแนวโน้มการติดอินเทอร์เน็ตในสมอง เราสังเกตว่าสัดส่วนที่สูงที่สุดของการเชื่อมต่อในเครือข่ายบวก CIAS-R เกี่ยวข้องกับ "insula และ cingulate - temporal" "frontal - temporal" และ "subcortical - parietal" ในขณะที่สัดส่วนที่สูงที่สุดของการเชื่อมต่อใน CIAS-R เครือข่ายเชิงลบที่เกี่ยวข้องกับ "หน้าผาก - สมองน้อย" และ "insula และ cingulate - ชั่วขณะ" ขอบ (รูป Figure44) ในรูปแบบการเสพติดที่เสนอเมื่อเร็ว ๆ นี้ () สมองน้อยช่วยรักษาสภาวะสมดุลของวงจรเชื่อมต่อทั้งสี่ที่เกี่ยวข้องกับการเสพติด: รางวัล / ความดีแรงจูงใจ / ไดรฟ์การเรียนรู้ / ความจำรวมถึงการควบคุมความรู้ความเข้าใจ รุ่นนี้รวมรูปแบบสี่วงจร (, ) และการทำงานของสมองน้อยพักผ่อนเครือข่ายของรัฐที่เกี่ยวข้องกับการประมวลผลผู้บริหารและเชื่อมโยงในเยื่อหุ้มสมองสมอง () ส่วนประกอบสำหรับรางวัล / ความดีแรงจูงใจ / ไดรฟ์และการเรียนรู้ / หน่วยความจำจะถูกขยายในขณะที่การควบคุมความรู้ความเข้าใจลดลงในการเสพติด ดู รูป Figure66 สำหรับภาพประกอบ การสังเกตของเราเกี่ยวกับสัดส่วนการเชื่อมต่อการทำงานสูงสุดของเครือข่ายแนวโน้มการติดอินเทอร์เน็ตสองเครือข่ายนั้นเข้ากันได้โดยทั่วไป แบบจำลองขององค์ประกอบที่สำคัญที่เกี่ยวข้องในวงจรติดยาเสพติด ในทำนองเดียวกันเราไม่ได้สังเกตการเชื่อมต่อที่สำคัญมากมายซึ่งประกอบด้วยกลีบท้ายทอยซึ่งก็ประกบกันเช่นกัน ผลการวิจัย อย่างไรก็ตามเรายังพบว่าสัดส่วนของ“ subcortical - parietal” เป็นสัดส่วนที่ดีซึ่งถึงแม้ว่าจะไม่ได้เน้นเป็นพิเศษในรุ่นสี่วงจร แต่การเชื่อมต่อเหล่านี้ถูกพบในวรรณกรรมติดยาเสพติดทางอินเทอร์เน็ต (เช่น ; , ) ซึ่งอาจเกิดจากผลกระทบในทางปฏิบัติเกี่ยวกับการใช้อินเทอร์เน็ต

รูป 6  

รูปแบบของการเสพติดที่เน้นบทบาทการปรับของสมองน้อยของเครือข่ายสมองใหญ่ทั้งสี่ที่เสนอให้รับผลกระทบจากการเสพติด (ดัดแปลงมาจาก ). วงจรเหล่านี้รวมถึงรางวัล / ความดีแรงจูงใจ / ไดรฟ์การเรียนรู้ / หน่วยความจำ ...

โหนดที่สำคัญถูกแก้ไขโดยแนวโน้มการติดอินเทอร์เน็ต

เราระบุว่าโหนดที่มีการเชื่อมต่อมากที่สุดนั้นเกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ตมากที่สุด โหนดเหล่านี้เป็นผู้ที่มีรูปแบบการเชื่อมต่อระหว่างโหนดเองและบริเวณสมองอื่น ๆ มีความอ่อนไหวต่อการเปลี่ยนแปลงโดยแนวโน้มการติดอินเทอร์เน็ต ภูมิภาคนี้มีลักษณะเฉพาะคือด้านหลังทวิภาคี cingulate gyrus, insula ด้านขวา, gyrus ชั่วขณะกลางด้านขวา, ออกจากขั้วชั่วคราวที่เหนือกว่า, putamen ด้านขวา, และส่วนวงโคจรของ IFG ที่เหลือ (รูป Figure55) ภูมิภาคเหล่านี้มีส่วนเกี่ยวข้องกับภูมิภาคสำคัญในการศึกษาติดยาเสพติด (อินเทอร์เน็ต) และบางส่วนได้ถูกกล่าวถึงแล้วในส่วนก่อนหน้า ตอนนี้เราพูดถึงวรรณกรรมติดยาเสพติดที่เน้นภูมิภาคเหล่านี้ในรายละเอียดเพิ่มเติม PCC ซึ่งเป็นส่วนหนึ่งของเครือข่ายโหมดเริ่มต้นและมีส่วนร่วมในด้านต่างๆของการประมวลผลด้วยตนเอง (; ) ทำหน้าที่เป็นพื้นที่เมล็ดใน การศึกษาซึ่งแสดงให้เห็นว่าการเชื่อมต่อการทำงานเพิ่มขึ้นอย่างมีนัยสำคัญกับกลีบสมองด้านหลังทวิภาคีและ gyrus ชั่วคราวกลางในขณะที่ลดลงกลีบสมองกลีบขม่อมด้อยกว่าทวิภาคีทวิภาคีและสมองกลีบขมับด้านขวาในผู้ติดเกมอินเทอร์เน็ต นอกจากนี้ยังพบว่าผู้ติดอินเทอร์เน็ตได้แสดงความผิดปกติของเศษส่วน anisotropy () และความหนาแน่นของสสารสีเทา () ใน PCC เลือก insula ซึ่งมีส่วนเกี่ยวข้องในการติดยาเสพติด (; ) เป็นขอบเขตของเมล็ดและพบว่ามีการเปลี่ยนแปลงการเชื่อมต่อการทำงานกับเครือข่ายของภูมิภาคในผู้ติดอินเทอร์เน็ต บทบาทของ insula ในการติดยาเสพติดได้รับการแนะนำสำหรับการบูรณาการสัญญาณ interoceptive เป็นความรู้สึกมีสติ (ยากระตุ้น) และพฤติกรรมอคติในระหว่างการตัดสินใจ () มีการตรวจพบ gyrus ชั่วขณะกลางและขั้วชั่วคราวที่เหนือกว่าในการศึกษาการเสพติดอินเทอร์เน็ต (ดู สำหรับการวิเคราะห์อภิมาน) และเกี่ยวข้องกับการกระตุ้น / ความอยากในเกมการประมวลผลเชิงความหมายการแยกส่วนหน่วยความจำในการทำงานและการประมวลผลทางอารมณ์ อย่างไรก็ตามบทบาทเฉพาะของพวกเขาในการติดยาเสพติดต้องมีการตรวจสอบเพิ่มเติม Putamen ซึ่งเป็นส่วนหนึ่งของ dorsal striatum ก็เป็นภูมิภาคที่สำคัญที่ได้รับการแนะนำโดยการวิจัยติดยาเสพติดจำนวนมาก (เช่น ; ; ) ซึ่งสารสื่อประสาทโดพามีนที่เกี่ยวข้องในการพัฒนาของการแสวงหายาเสพติดและความอยาก (; ) นอกจากนี้การวิจัยได้ชี้ให้เห็นว่าความผิดปกติของวงจร striato-thalamo-orbitofrontal เป็นสาเหตุสำคัญของการติดในขณะที่ striatum หลังเกี่ยวข้องกับการเรียนรู้นิสัยและความอยาก; ; ; ) การทำงานที่ผิดปกติของเยื่อหุ้มสมอง orbitofrontal สามารถอธิบายพฤติกรรมที่ผิดปกติในการติดยาเสพติด สรุปข้างต้นโหนดที่เราระบุว่าเป็นฮับที่ไวต่อการเปลี่ยนแปลงโดยแนวโน้มการติดอินเทอร์เน็ตและพวกเขาได้รับการระบุซ้ำ ๆ ในวรรณกรรมที่มีอยู่

การ จำกัด

ตามที่ผู้ชี้แนะคนหนึ่งของเราวิจารณ์ว่าจะดำเนินการถดถอยสัญญาณทั่วโลกในการพักผ่อนรัฐ fMRI ยังคงเป็นข้อถกเถียงในปัจจุบัน หลังจากวิเคราะห์ข้อมูลปัจจุบันอีกครั้งโดยไม่มีการถดถอยของสัญญาณทั่วโลกผลลัพธ์ของเราแตกต่างกันมากเมื่อเทียบกับการวิเคราะห์ดั้งเดิมของเราและมีเพียง 22.91% ของขอบที่พบในการวิเคราะห์ NBS โดยไม่มีการถดถอยสัญญาณทั่วโลกซ้อนทับกับผลลัพธ์ปัจจุบันของเรา หากไม่มีการถดถอยของสัญญาณทั่วโลกเราไม่พบการเชื่อมต่อการทำงานที่เพียงพอซึ่งมีความสัมพันธ์เชิงบวกกับคะแนน CIAS-R; อย่างไรก็ตามเราพบเครือข่ายที่ประกอบด้วยการเชื่อมต่อการทำงานที่มีความสัมพันธ์เชิงลบกับคะแนน CIAS-R เมื่อการระบุโหนดที่มีการเชื่อมต่อส่วนใหญ่เกี่ยวข้องกับแนวโน้มการติดอินเทอร์เน็ตมากที่สุดเราจะพบความสอดคล้องกับการวิเคราะห์การถดถอยของสัญญาณทั่วโลกในพื้นที่ที่มีการคำนวณอินซิลา insula ขมับและหน้าผากเกี่ยวข้องมากที่สุด อย่างไรก็ตามความแตกต่างหลายประการรวมถึงการค้นพบเพิ่มเติมของพื้นที่มอเตอร์เสริมทวิภาคีและ gyrus เชิงมุมขวาแสดงการเชื่อมต่อการทำงานลดลงและมีภูมิภาค subcortical ไม่มากในเครือข่ายที่ระบุ ในขณะที่การถดถอยของสัญญาณทั่วโลกยังคงเป็นที่ถกเถียงกันเราตัดสินใจที่จะรายงานผลลัพธ์ทั้งคู่ รายละเอียดของเครือข่ายที่ระบุโดยไม่มีการถดถอยของสัญญาณทั่วโลกได้รับการบันทึกไว้ในเอกสารเสริม 3 หวังว่าการทำงานในอนาคตของการประมวลผลภาพล่วงหน้าจะทำให้แสงมีความถูกต้องมากขึ้น ในขณะนี้เราขอแนะนำให้แปลผลลัพธ์ปัจจุบันโดยคำนึงถึงข้อควรปฏิบัติดังกล่าว

สรุป

จากการใช้วิธีการที่ขับเคลื่อนด้วยข้อมูลเราแสดงให้เห็นว่าสถิติจากเครือข่ายเป็นเครื่องมือที่มีประโยชน์ในการจำแนกลักษณะการเชื่อมต่อของสมองทั้งหมดที่ได้รับผลกระทบจากแนวโน้มการติดอินเทอร์เน็ตการระบุการเชื่อมต่อและภูมิภาคสำคัญที่สะท้อนการศึกษาก่อนหน้านี้ เมื่อเปรียบเทียบกับการวิเคราะห์เมล็ดพันธุ์วิธีการทั้งสมองนี้ให้การวิเคราะห์ที่ครอบคลุมมากขึ้นของการเชื่อมต่อสมองที่เกี่ยวข้องกับการติดอินเทอร์เน็ตตรวจสอบการเชื่อมต่อ 6670 ทั้งหมด เรายังแสดงให้เห็นว่าการเชื่อมต่อการทำงานและบริเวณสมองที่สำคัญในกรณีที่ติดยานั้นพบว่าสัมพันธ์กับแนวโน้มทางคลินิกที่จัดทำดัชนีโดยใช้แบบสอบถามแบบวัดพฤติกรรม แม้ว่าจะใช้วิธีการที่สัมพันธ์กัน แต่เราก็ไม่สามารถแน่ใจได้ว่าเครือข่ายเหล่านี้จะถูกเปลี่ยนเป็นผลมาจากการใช้อินเทอร์เน็ตหรือว่าเป็นลักษณะของคนที่มีความเสี่ยงสูงต่อการติดอินเทอร์เน็ต แต่งานวิจัยนี้ให้ข้อมูลที่เป็นประโยชน์ ลักษณะพื้นฐานของการติดและการพัฒนา

ผลงานของผู้เขียน

TW ทำการทดลองวิเคราะห์ข้อมูลตีความผลลัพธ์เขียนและแก้ไขต้นฉบับ SH ได้ออกแบบการทดลองเขียนข้อเสนอการให้ทุนเป็นแนวทางในการเตรียมการและการดำเนินการของการทดลองช่วยในการตีความข้อมูลการเตรียมและการแก้ไขต้นฉบับ

คำชี้แจงความขัดแย้งทางผลประโยชน์

ผู้เขียนประกาศว่าการวิจัยได้ดำเนินการในกรณีที่ไม่มีความสัมพันธ์ทางการค้าหรือทางการเงินใด ๆ ที่อาจตีความได้ว่าเป็นความขัดแย้งทางผลประโยชน์ที่อาจเกิดขึ้น

กิตติกรรมประกาศ

ผู้เขียนขอขอบคุณ Yun-Ting Lee สำหรับความช่วยเหลือในการรวบรวมข้อมูลและศาสตราจารย์ Po-Hsien Huang สำหรับการให้คำปรึกษาทางสถิติ การศึกษาได้รับทุนจากกระทรวงวิทยาศาสตร์และเทคโนโลยี (MOST), ไต้หวัน (MOST 102-2420-H-006-006-2-MY104 และ MOST 2420-006-004-2-MYXNUMX) นอกจากนี้งานวิจัยนี้ได้รับการสนับสนุนจากกระทรวงศึกษาธิการ (MoE), ไต้หวัน, ROC The Aim for the Top University Project ให้กับ National Cheng Kung University (NCKU) เราขอขอบคุณ Mind Research and Imaging Center (MRIC) ซึ่งได้รับการสนับสนุนจาก MOST ที่ NCKU สำหรับการให้คำปรึกษาและความพร้อมของเครื่องมือ แบบสอบถาม CIAS-R จัดทำโดย Sue-Huei Chen

อ้างอิง

  • สมาคมจิตแพทย์อเมริกัน [APA] (2013) คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต (DSM-5®). Arlington, VA: American Psychiatric Pub
  • Aron AR, Robbins TW, Poldrack RA (2004) การยับยั้งและส่วนหน้าของสมองส่วนล่างที่ด้อยกว่า แนวโน้ม Cogn วิทย์ 8 170 – 177 10.1016 / j.tics.2004.02.010 [PubMed] [ข้ามอ้างอิง]
  • Bavelier D. , Achtman RL, Mani M. , Focker J. (2012) ฐานประสาทที่ได้รับความสนใจจากผู้เล่นวิดีโอเกมแอ็กชัน Vis Res 61 132 – 143 10.1016 / j.visres.2011.08.007 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Biswal BB, Mennes M. , Zuo XN, Gohel S. , Kelly C. , Smith SM, และคณะ (2010) ต่อการค้นพบทางวิทยาศาสตร์ของการทำงานของสมองมนุษย์ พรอค Natl Acad วิทย์ วิทย์ ประเทศสหรัฐอเมริกา 107 4734 – 4739 10.1073 / pnas.0911855107 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • ยี่ห้อ M. , Young KS, Laier C. (2014). การควบคุมล่วงหน้าและการเสพติดอินเทอร์เน็ต: โมเดลเชิงทฤษฎีและการทบทวนผลการค้นพบทางประสาทวิทยาและ neuroimaging ด้านหน้า ครวญเพลง Neurosci 8: 375 10.3389 / fnhum.2014.00375 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Buckner RL, Andrews-Hanna JR, Schacter DL (2008) เครือข่ายเริ่มต้นของสมอง - กายวิภาคศาสตร์หน้าที่และความเกี่ยวข้องกับโรค ปี Cogn. Neurosci 2008 1 – 38 10.1196 / annals.1440.011 [PubMed] [ข้ามอ้างอิง]
  • Buckner RL, Krienen FM, Castellanos A. , Diaz JC, Yeo BTT (2011) องค์กรของสมองมนุษย์ประเมินโดยการเชื่อมต่อการทำงานที่แท้จริง J. Neurophysiol 106 2322 – 2345 10.1152 / jn.00339.2011 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Castel AD, Pratt J. , Drummond E. (2005) ผลกระทบของประสบการณ์วิดีโอเกมแอ็คชั่นในช่วงเวลาของการยับยั้งการกลับมาและประสิทธิภาพของการค้นหาด้วยภาพ Acta Psychol 119 217 – 230 10.1016 / j.actpsy.2005.02.004 [PubMed] [ข้ามอ้างอิง]
  • เฉิน CY, Huang MF, เยน JY, เฉิน CS, Liu GC, Yen CF, และคณะ (2015) สมองมีความสัมพันธ์กับการยับยั้งการตอบสนองในการเล่นเกมทางอินเทอร์เน็ต จิตเวชคลินิก Neurosci 69 201 – 209 10.1111 / pcn.12224 [PubMed] [ข้ามอ้างอิง]
  • Chen S. , Weng L. , Su Y. , Wu H. , Yang P. (2003) การพัฒนามาตราส่วนการติดอินเทอร์เน็ตของจีนและการศึกษาไซโครเมทริกซ์ คาง. เจ Psychol 45 251 – 266 10.1371 / journal.pone.0098312 [ข้ามอ้างอิง]
  • Craddock RC, Jbabdi S. , Yan CG, Vogelstein JT, Castellanos FX, Di Martino A. , และคณะ (2013) การถ่ายภาพ connectomes มนุษย์ที่ macroscale ชัยนาท วิธีการ 10 524 – 539 10.1038 / Nmeth.2482 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Ding WN, Sun JH, Sun YW, Chen X. , Zhou Y. , จ้วง ZG, และคณะ (2014) ลักษณะแรงกระตุ้นและฟังก์ชั่นการยับยั้งแรงกระตุ้น prefrontal บกพร่องในวัยรุ่นที่ติดยาเสพติดเกมอินเทอร์เน็ตเปิดเผยโดยการศึกษา fMRI Go / No-Go Behav สมองสั่นไหว 10:20 10.1186/1744-9081-10-20 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Ding WN, Sun JH, Sun YW, Zhou Y. , Li L. , Xu JR, และคณะ (2013) แก้ไขการเชื่อมต่อสถานะการทำงานเริ่มต้นของการพักการเชื่อมต่อเครือข่ายในวัยรุ่นที่ติดการเล่นเกมอินเทอร์เน็ต PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Dong GH, DeVito EE, Du XX, Cui ZY (2012a) การควบคุมการยับยั้งความบกพร่องใน 'โรคติดอินเทอร์เน็ต': การศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก จิตเวชศาสตร์ neuroimaging 203 153 – 158 10.1016 / j.pscychresns.2012.02.001 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Dong GH, DeVito E. , Huang J. , Du XX (2012b) การถ่ายภาพเทนเซอร์เผยให้เห็นฐานดอกและคอร์เทกซ์เยื่อหุ้มสมองผิดปกติในผู้ติดเกมออนไลน์ J. จิตแพทย์ Res 46 1212 – 1216 10.1016 / j.jpsychires.2012.05.015 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Dong GH, Lin X. , Hu YB, Xie CM, Du XX (2015a) การเชื่อมโยงการทำงานที่ไม่สมดุลระหว่างเครือข่ายการควบคุมของผู้บริหารและเครือข่ายของรางวัลอธิบายถึงพฤติกรรมการค้นหาเกมออนไลน์ในความผิดปกติของเกมบนอินเทอร์เน็ต วิทย์ ตัวแทนจำหน่าย 5: 9197 10.1038 / Srep09197 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Dong GH, Lin X. , Potenza MN (2015b) การเชื่อมต่อการทำงานลดลงในเครือข่ายการควบคุมผู้บริหารที่เกี่ยวข้องกับฟังก์ชั่นผู้บริหารที่มีความบกพร่องในการเล่นเกมทางอินเทอร์เน็ต Prog Neuro-Psychopharmacol Biol จิตเวช 57 76 – 85 10.1016 / j.pnpbp.2014.10.012 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Dong GH, Lin X. , Zhou HL, Lu QL (2014) ความยืดหยุ่นทางปัญญาในผู้ติดอินเทอร์เน็ต: หลักฐาน fMRI จากสถานการณ์การสลับที่ยากต่อการง่ายและง่ายต่อการยาก ผู้เสพติด Behav 39 677 – 683 10.1016 / j.addbeh.2013.11.028 [PubMed] [ข้ามอ้างอิง]
  • ดง GH, Shen Y. , หวางเจ, ดู XX (2013) ฟังก์ชั่นตรวจสอบข้อผิดพลาดบกพร่องในผู้ที่ติดโรคทางอินเทอร์เน็ต: การศึกษา fMRI ที่เกี่ยวข้องกับเหตุการณ์ Eur ผู้เสพติด Res 19 269 – 275 10.1159 / 000346783 [PubMed] [ข้ามอ้างอิง]
  • Droutman V. , อ่าน SJ, Bechara A. (2015) ทบทวนบทบาทของ insula ในการเสพติดอีกครั้ง แนวโน้ม Cogn วิทย์ 19 414 – 420 10.1016 / j.tics.2015.05.005 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Dye MWG, Green CS, Bavelier D. (2009) เพิ่มความเร็วในการประมวลผลด้วยวิดีโอเกมแอคชั่น ฟี้ ผบ. จิตวิทยา วิทย์ 18 321 – 326 10.1111 / j.1467-8721.2009.01660.x [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Finn ES, Shen X. , Holahan JM, Scheinost D. , Lacadie C. , Papademetris X. และคณะ (2014) การหยุดชะงักของเครือข่ายการทำงานในดิสเล็กเซีย: การวิเคราะห์การเชื่อมต่อทั้งสมองโดยใช้ข้อมูล Biol จิตเวช 76 397 – 404 10.1016 / j.biopsych.2013.08.031 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Fornito A. , Bullmore ET (2015) Connectomics: กระบวนทัศน์ใหม่สำหรับการทำความเข้าใจโรคสมอง Eur Neuropsychopharmacol 25 733 – 748 10.1016 / j.euroneuro.2014.02.011 [PubMed] [ข้ามอ้างอิง]
  • Fornito A. , Yoon J. , Zalesky A. , Bullmore ET, Carter CS (2011) การรบกวนการเชื่อมต่อการทำงานทั่วไปและเฉพาะเจาะจงในโรคจิตเภทตอนแรกในระหว่างการควบคุมการรับรู้ Biol จิตเวช 70 64 – 72 10.1016 / j.biopsych.2011.02.019 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008) กลไกทางประสาทพลวัตทางโลกและความแตกต่างของแต่ละบุคคลในการควบคุมการรบกวน J. Cogn. Neurosci 20 1854 – 1865 10.1162 / jocn.2008.20122 [PubMed] [ข้ามอ้างอิง]
  • Fox MD, Zhang D. , Snyder AZ, Raichle ME (2009) สัญญาณทั่วโลกและสังเกตเห็นเครือข่ายสมองสถานะพักก่อน J. Neurophysiol 101 3270 – 3283 10.1152 / jn.90777.2008 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Fransson P. , Marrelec G. (2008) precuneus / posterior cingulate cortex มีบทบาทสำคัญในเครือข่ายโหมดเริ่มต้น: หลักฐานจากการวิเคราะห์เครือข่ายสหสัมพันธ์บางส่วน Neuroimage 42 1178 – 1184 10.1016 / j.neuroimage.2008.05.059 [PubMed] [ข้ามอ้างอิง]
  • Goldstein RZ, Volkow ND (2011) ความผิดปกติของเยื่อหุ้มสมอง prefrontal ในการติดยาเสพติด: การค้นพบ neuroimaging และผลกระทบทางคลินิก ชัยนาท รายได้ Neurosci 12 652 – 669 10.1038 / nrn3119 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • CS สีเขียว, Bavelier D. (2003) วิดีโอเกมแอ็คชั่นจะปรับเปลี่ยนความสนใจแบบภาพ ธรรมชาติ 423 534 – 537 10.1038 / nature01647 [PubMed] [ข้ามอ้างอิง]
  • Green CS, Pouget A. , Bavelier D. (2010) ปรับปรุงการอนุมานความน่าจะเป็นเป็นกลไกการเรียนรู้ทั่วไปกับวิดีโอเกมแอ็คชั่น ฟี้ Biol 20 1573 – 1579 10.1016 / j.cub.2010.07.040 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Green CS, Sugarman MA, Medford K. , Klobusicky E. , Bavelier D. (2012) ผลของประสบการณ์วิดีโอเกมแอ็คชั่นที่มีต่อการสับเปลี่ยนงาน คอมพิวเต ครวญเพลง Behav 28 984 – 994 10.1016 / j.chb.2011.12.020 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Griffiths MD, Pontes HM (2014) ความผิดปกติของการติดอินเทอร์เน็ตและความผิดปกติในการเล่นเกมบนอินเทอร์เน็ตนั้นไม่เหมือนกัน เจติดยาเสพติด Res Ther 5:e124 10.4172/2155-6105.1000e124 [ข้ามอ้างอิง]
  • Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013) สถิติแบบคลัสเตอร์สำหรับการเชื่อมต่อสมองโดยสัมพันธ์กับมาตรการเชิงพฤติกรรม PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010) การเปลี่ยนแปลงในกิจกรรมคอร์เทกซ์แบบคิวคิวที่เกิดขึ้นก่อนด้วยการเล่นวิดีโอเกม Cyberpsychol Behav Soc netw 13 655 – 661 10.1089 / cyber.2009.0327 [PubMed] [ข้ามอ้างอิง]
  • Hoeft F. , Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008) ความแตกต่างระหว่างเพศในระบบ mesocorticolimbic ระหว่างการเล่นเกมคอมพิวเตอร์ J. จิตแพทย์ Res 42 253 – 258 10.1016 / j.jpsychires.2007.11.010 [PubMed] [ข้ามอ้างอิง]
  • Hong SB, Harrison BJ, Dandash O. , Choi EJ, Kim SC, Kim HH, และคณะ (2015) การมีส่วนร่วมในการเลือกของการเชื่อมต่อการทำงาน putamen ในเด็กและเยาวชนที่มีความผิดปกติของการเล่นเกมอินเทอร์เน็ต สมอง Res 1602 85 – 95 10.1016 / j.brainres.2014.12.042 [PubMed] [ข้ามอ้างอิง]
  • Hong SB, Zalesky A. , Cocchi L. , Fornito A. , Choi EJ, Kim HH และคณะ (2013) การเชื่อมต่อสมองที่ทำงานลดลงในวัยรุ่นที่ติดอินเทอร์เน็ต PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Király O. , Griffiths MD, Urbán R. , Farkas J. , Kökönyei G. , Elekes Z. , et al. (2014) การใช้อินเทอร์เน็ตที่เป็นปัญหาและการเล่นเกมออนไลน์ที่มีปัญหาไม่เหมือนกัน: ผลการวิจัยจากตัวอย่างวัยรุ่นตัวแทนระดับประเทศขนาดใหญ่ Cyberpsychol Behav Soc netw 17 749 – 754 10.1089 / cyber.2014.0475 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, และคณะ (2014) การเปิดใช้งานสมองที่ถูกเปลี่ยนแปลงในระหว่างการยับยั้งการตอบสนองและการประมวลผลข้อผิดพลาดในวิชาที่มีความผิดปกติของการเล่นเกมอินเทอร์เน็ต: การศึกษาการถ่ายภาพด้วยแม่เหล็ก Eur โค้ง. จิตเวชศาสตร์ Neurosci 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [ข้ามอ้างอิง]
  • Ko CH, Hsieh TJ, วัง PW, Lin WC, Yen CF, Chen CS, และคณะ (2015) ความหนาแน่นของสสารเปลี่ยนสีเทาและการเชื่อมต่อการทำงานของ amygdala ในผู้ใหญ่ที่มีปัญหาเกี่ยวกับการเล่นเกมทางอินเทอร์เน็ต Prog Neuro-Psychopharmacol Biol จิตเวช 57 185 – 192 10.1016 / j.pnpbp.2014.11.003 [PubMed] [ข้ามอ้างอิง]
  • Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, และคณะ (2009) กิจกรรมสมองที่เกี่ยวข้องกับการกระตุ้นให้เกิดการติดเกมออนไลน์ J. จิตแพทย์ Res 43 739 – 747 10.1016 / j.jpsychires.2008.09.012 [PubMed] [ข้ามอ้างอิง]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013) สมองมีความสัมพันธ์กับความอยากเล่นเกมออนไลน์ภายใต้แสงคิวในตัวแบบที่มีการติดเกมบนอินเทอร์เน็ตและในเรื่องที่นำส่ง ผู้เสพติด Biol 18 559 – 569 10.1111 / j.1369-1600.2011.00405.x [PubMed] [ข้ามอ้างอิง]
  • Ko C.-H. , Yen C.-F. , Yen C.-N. , Yen J.-Y. , Chen C.-C. , Chen S.-H. (2005) การคัดกรองการติดอินเทอร์เน็ต: การศึกษาเชิงประจักษ์เกี่ยวกับจุดตัดสำหรับระดับการติดอินเทอร์เน็ตของเฉิน เกาสงเจ. เมด วิทย์ 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [ข้ามอ้างอิง]
  • Kong X.-Z. , Zhen Z. , Li X. , Lu H.-H. , Wang R. , Liu L. , et al. (2014) ความแตกต่างของแต่ละบุคคลในการกระตุ้นการทำนายการเคลื่อนที่ของหัวในระหว่างการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Koob GF, Volkow ND (2010) วงจรประสาทการติดยาเสพติด Neuropsychopharmacology 35 217 – 238 10.1038 / npp.2009.110 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Kühn S. , Gallinat J. (2015) สมองออนไลน์: โครงสร้างและการทำงานมีความสัมพันธ์กับการใช้อินเทอร์เน็ตเป็นปกติ ผู้เสพติด Biol 20 415 – 422 10.1111 / adb.12128 [PubMed] [ข้ามอ้างอิง]
  • Kuss DJ, Griffiths MD (2012) การติดเกมบนอินเทอร์เน็ต: การทบทวนเชิงประจักษ์ของการวิจัยเชิงประจักษ์ int เจติดยาสุขภาพจิต 10 278–296. 10.1007/s11469-011-9318-5 [ข้ามอ้างอิง]
  • Li BJ, Friston KJ, Liu J. , Liu Y. , Zhang GP, Cao ฟลอริด้าและคณะ (2014) การเชื่อมต่อปมประสาทหน้าผาก - ฐานที่บกพร่องในวัยรุ่นที่ติดอินเทอร์เน็ต วิทย์ ตัวแทนจำหน่าย 4: 5027 10.1038 / Srep05027 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, และคณะ (2015) โครงสร้างสมองและการเชื่อมต่อการทำงานที่เกี่ยวข้องกับความแตกต่างของแต่ละบุคคลในแนวโน้มอินเทอร์เน็ตในผู้ใหญ่วัยหนุ่มสาวที่มีสุขภาพดี Neuropsychologia 70 134 – 144 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [ข้ามอ้างอิง]
  • Lin FC, Zhou Y. , Du YS, Zhao ZM, Qin LD, Xu JR, และคณะ (2015) วงจรการทำงานของคอร์ติคอสเตอรอลในอธัยในวัยรุ่นที่มีความผิดปกติในการติดอินเทอร์เน็ต ด้านหน้า ครวญเพลง Neurosci 9: 356 10.3389 / fnhum.2015.00356 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Lin MP, Ko HC, Wu JYW (2011) ความชุกและปัจจัยเสี่ยงทางจิตสังคมที่เกี่ยวข้องกับการติดอินเทอร์เน็ตในตัวอย่างตัวแทนระดับประเทศของนักศึกษาในไต้หวัน Cyberpsychol Behav Soci netw 14 741 – 746 10.1089 / cyber.2010.0574 [PubMed] [ข้ามอ้างอิง]
  • Lorenz RC, Kruger JK, Neumann B. , Schott BH, Kaufmann C. , Heinz A. , และคณะ (2013) ปฏิกิริยาคิวและการยับยั้งในผู้เล่นเกมคอมพิวเตอร์พยาธิวิทยา ผู้เสพติด Biol 18 134 – 146 10.1111 / j.1369-1600.2012.00491.x [PubMed] [ข้ามอ้างอิง]
  • Meng YJ, Deng W. , Wang HY, Guo WJ, Li T. (2015) ความผิดปกติในการ prefrontal ในบุคคลที่มีความผิดปกติของการเล่นเกมอินเทอร์เน็ต: การวิเคราะห์ meta ของการศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็กทำงาน ผู้เสพติด Biol 20 799 – 808 10.1111 / adb.12154 [PubMed] [ข้ามอ้างอิง]
  • Moulton EA, Elman I. , Becerra LR, Goldstein RZ, Borsook D. (2014) สมองและติดยา: ข้อมูลเชิงลึกที่ได้รับจากการวิจัย neuroimaging ผู้เสพติด Biol 19 317 – 331 10.1111 / adb.12101 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Naqvi NH, Bechara A. (2009) เกาะติดยาเสพติดที่ซ่อนอยู่: insula Trends Neurosci 32 56 – 67 10.1016 / j.tins.2008.09.009 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Nichols TE, Holmes AP (2002) การทดสอบการเปลี่ยนแปลงแบบ nonparametric สำหรับฟังก์ชั่น neuroimaging: ไพรเมอร์พร้อมตัวอย่าง ครวญเพลง Mapp สมอง 15 1 – 25 10.1002 / hbm.1058 [PubMed] [ข้ามอ้างอิง]
  • OReilly M. (1996) การติดอินเทอร์เน็ต: ความผิดปกติใหม่เข้าสู่พจนานุกรมทางการแพทย์ สามารถ. Med Associ เจ 154 1882 – 1883 [บทความฟรี PMC] [PubMed]
  • Park CH, Chun JW, Cho H. , Jung YC, Choi J. , Kim DJ (2015) สมองที่ติดเกมบนอินเทอร์เน็ตอยู่ใกล้กับสภาพพยาธิสภาพหรือไม่? ผู้เสพติด Biol [Epub ก่อนพิมพ์] .10.1111 / adb.12282 [PubMed] [ข้ามอ้างอิง]
  • Petry NM, O'Brien CP (2013) ความผิดปกติในการเล่นเกมทางอินเทอร์เน็ตและ DSM-5 ติดยาเสพติด 108 1186 – 1187 10.1111 / add.12162 [PubMed] [ข้ามอ้างอิง]
  • Petry NM, Rehbein F. , Gentile DA, Lemmens JS, Rumpf HJ, Mößle T. , และคณะ (2014) ฉันทามติระดับนานาชาติสำหรับการประเมินความผิดปกติของเกมอินเทอร์เน็ตโดยใช้วิธี DSM-5 ใหม่ ติดยาเสพติด 109 1399 – 1406 10.1111 / add.12457 [PubMed] [ข้ามอ้างอิง]
  • Rorden C. , Karnath HO, Bonilha L. (2007) ปรับปรุงการทำแผนที่แผล - อาการ J. Cogn. Neurosci 19 1081 – 1088 10.1162 / jocn.2007.19.7.1081 [PubMed] [ข้ามอ้างอิง]
  • Saad ZS, Gotts SJ, Murphy K. , Chen G. , Jo HJ, Martin A. , et al. (2012) ปัญหาในการพัก: รูปแบบความสัมพันธ์และความแตกต่างของกลุ่มจะบิดเบี้ยวอย่างไรหลังจากการถดถอยของสัญญาณทั่วโลก เชื่อมต่อสมอง 2 25 – 32 10.1089 / brain.2012.0080 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • เพลง XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ และคณะ (2011) REST: ชุดเครื่องมือสำหรับการประมวลผลข้อมูลภาพเรโซแนนซ์ด้วยคลื่นแม่เหล็กไฟฟ้าสำหรับการพักผ่อน PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013) การกำหนดโหนดในเครือข่ายสมองที่ซับซ้อน ด้านหน้า คอมพิวเต Neurosci 7: 169 10.3389 / fncom.2013.00169 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • ซุน YJ, Ying H. , Seetohul RM, วัง XM, Ya Z. , Qian L. , และคณะ (2012) การศึกษาสมอง fMRI ของความอยากรู้อยากเห็นที่เกิดจากภาพคิวในผู้เสพติดเกมออนไลน์ (วัยรุ่นชาย) Behav สมอง Res 233 563 – 576 10.1016 / j.bbr.2012.05.005 [PubMed] [ข้ามอ้างอิง]
  • Takeuchi H. , Taki Y. , Nouchi R. , Sekiguchi A. , Hashizume H. , Sassa Y. และคณะ (2014) การเชื่อมโยงระหว่างการพักผ่อนการเชื่อมต่อการทำงานของสถานะพักผ่อนและการเอาใจใส่ / การจัดระบบ Neuroimage 99 312 – 322 10.1016 / j.neuroimage.2014.05.031 [PubMed] [ข้ามอ้างอิง]
  • Talati A. , Hirsch J. (2005) ความเชี่ยวชาญเชิงหน้าที่ภายใน gyrus frontal medial สำหรับการตัดสินใจแบบรับรู้ / ไม่ต้องรับรู้บนพื้นฐานของ "อะไร" "เมื่อไร" และ "ที่ไหน" ข้อมูลที่เกี่ยวข้อง: การศึกษา fMRI J. Cogn. Neurosci 17 981 – 993 10.1162 / 0898929054475226 [PubMed] [ข้ามอ้างอิง]
  • Tzourio-Mazoyer N. , Landeau B. , Papathanassiou D. , Crivello F. , Etard O. , Delcroix N. , et al. (2002) การติดฉลากทางกายวิภาคโดยอัตโนมัติของการเปิดใช้งานใน SPM โดยใช้การแบ่งส่วนทางกายวิภาคด้วยตาเปล่าของสมองซีรีส์ MNI MRI เรื่องเดียว Neuroimage 15 273 – 289 10.1006 / nimg.2001.0978 [PubMed] [ข้ามอ้างอิง]
  • Van den Heuvel MP, Pol HEH (2010) สำรวจเครือข่ายสมอง: การทบทวนเกี่ยวกับการเชื่อมต่อการทำงานของ fMRI resting-state Eur Neuropsychopharmacol 20 519 – 534 10.1016 / j.euroneuro.2010.03.008 [PubMed] [ข้ามอ้างอิง]
  • Volkow ND, Fowler JS (2000) ติดยาเสพติดโรคของการบังคับและไดรฟ์: การมีส่วนร่วมของเยื่อหุ้มสมอง orbitofrontal Cereb เยื่อหุ้มสมอง 10 318 – 325 10.1093 / cercor / 10.3.318 [PubMed] [ข้ามอ้างอิง]
  • Volkow ND, พรานล่าสัตว์ JS, วัง GJ (2003) สมองมนุษย์ที่เสพติด: ข้อมูลเชิงลึกจากการศึกษาด้านภาพ เจ. คลีนิก Investig 111 1444 – 1451 10.1172 / Jci200318533 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Volkow ND, วัง GJ, ฟาวเลอร์ JS, Tomasi D. , Telang F. , Baler R. (2010) การเสพติด: ลดความไวของรางวัลลงและเพิ่มความไวในการคาดหวังเพื่อวางแผนวงจรควบคุมของสมอง Bioessays 32 748 – 755 10.1002 / bies.201000042 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Volkow ND, วัง GJ, Telang F. , Fowler JS, Logan J. , Childress AR, และคณะ (2006) ตัวชี้นำโคเคนและโดปามีนในแถบหลัง: กลไกของความอยากในการติดโคเคน J. Neurosci 26 6583 – 6588 10.1523 / Jneurosci.1544-06.2006 [PubMed] [ข้ามอ้างอิง]
  • Wang Y. , Yin Y. , Sun YW, Zhou Y. , Chen X. , Ding WN, และคณะ (2015) การเชื่อมต่อการทำงานระหว่างสมองในวัยรุ่นที่มีความผิดปกติจากการเล่นเกมทางอินเทอร์เน็ตลดลง: การศึกษาขั้นต้นโดยใช้ fMRI พักผ่อน PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F. , ราคา T. , และคณะ (2014) เครือข่ายการทำงานของสมองที่กระจัดกระจายในโรคติดอินเทอร์เน็ต: การศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Weissenbacher A. , Kasess C. , Gerstl F. , Lanzenberger R. , Moser E. , Windischberger C. (2009) ความสัมพันธ์และการลดทอนความสัมพันธ์ในการเชื่อมต่อการทำงานของรัฐที่พักผ่อน MRI: การเปรียบเทียบเชิงปริมาณของกลยุทธ์การประมวลผลล่วงหน้า Neuroimage 47 1408 – 1416 10.1016 / j.neuroimage.2009.05.005 [PubMed] [ข้ามอ้างอิง]
  • เซี่ยเอ็ม, วังเจ, เขาวาย (2013) BrainNet Viewer: เครื่องมือสร้างภาพเครือข่ายสำหรับการเชื่อมต่อสมองมนุษย์ PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Yan C. , Zang Y. (2010) DPARSF: กล่องเครื่องมือ MATLAB สำหรับการวิเคราะห์ข้อมูลไปป์ไลน์ของ resting-state fMRI ด้านหน้า Syst Neurosci 4: 13 10.3389 / fnsys.2010.00013 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Yarkoni T. , Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011) การสังเคราะห์อัตโนมัติขนาดใหญ่ของข้อมูล neuroimaging การทำงานของมนุษย์ ชัยนาท วิธีการ 8 665 – 670 10.1038 / nmeth.1635 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Yeo BTT, Krienen FM, Sepulcre J. , Sabuncu MR, Lashkari D. , Hollinshead M. , et al. (2011) องค์กรของเยื่อหุ้มสมองสมองมนุษย์ประเมินโดยการเชื่อมต่อการทำงานที่แท้จริง J. Neurophysiol 106 1125 – 1165 10.1152 / jn.00338.2011 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Young KS (1998) การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ CyberPsychol Behav 1 237–244. 10.1007/s10899-011-9287-4 [ข้ามอ้างอิง]
  • Yuan K. , Qin W. , Yu D. , Bi Y. , Xing L. , Jin C. , et al. (2015) ปฏิสัมพันธ์ของเครือข่ายสมองหลักและการควบคุมการรับรู้ในบุคคลที่เล่นเกมทางอินเทอร์เน็ตในช่วงวัยรุ่นตอนปลาย / วัยผู้ใหญ่ตอนต้น โครงสร้างสมอง funct [Epub ก่อนพิมพ์] .10.1007 / s00429-014-0982-7 [PubMed] [ข้ามอ้างอิง]
  • Zalesky A. , Fornito A. , Bullmore ET (2010a) สถิติบนเครือข่าย: การระบุความแตกต่างในเครือข่ายสมอง Neuroimage 53 1197 – 1207 10.1016 / j.neuroimage.2010.06.041 [PubMed] [ข้ามอ้างอิง]
  • Zalesky A. , Fornito A. , Harding IH, Cocchi L. , Yücel M. , Pantelis C. , et al. (2010b) เครือข่ายกายวิภาคของสมองทั้งหมด: การเลือกโหนดสำคัญหรือไม่ Neuroimage 50 970 – 983 10.1016 / j.neuroimage.2009.12.027 [PubMed] [ข้ามอ้างอิง]
  • จาง JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L. และคณะ (2015) การเปลี่ยนแปลงสถานะการเชื่อมต่อการทำงานของส่วนที่เหลือของ insula ในคนหนุ่มสาวที่มีความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต ผู้เสพติด Biol [Epub ก่อนพิมพ์] .10.1111 / adb.12247 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
  • Zhou Y. , Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR และคณะ (2011) ความผิดปกติของสสารสีเทาในการติดอินเทอร์เน็ต: การศึกษา morphometry แบบ voxel Eur J. Radiol 79 92 – 95 10.1016 / j.ejrad.2009.10.025 [PubMed] [ข้ามอ้างอิง]