กิจกรรมพักผ่อน - สถานะของวงจร Prefrontal-Striatal ในความผิดปกติของการเล่นเกมอินเทอร์เน็ต: การเปลี่ยนแปลงด้วยการบำบัดพฤติกรรมทางปัญญาและการทำนายการตอบสนองการรักษา (2018)

จิตเวชศาสตร์ด้านหน้า 2018 ส.ค. 3; 9: 341 doi: 10.3389 / fpsyt.2018.00341

ฮัน X¹, วังวาย¹, เจียงดับเบิ้ลยู², เปา X², ซุนวาย¹, Ding W¹, เฉาม¹, วู X¹, ดูเย², โจววาย¹.

นามธรรม

ความรู้ความเข้าใจพฤติกรรมบำบัด (CBT) มีประสิทธิภาพสำหรับการรักษาความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต (IGD) อย่างไรก็ตามกลไกที่ CBT ปรับปรุงอาการทางคลินิกที่เกี่ยวข้องกับ IGD ยังไม่ทราบ การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อค้นพบกลไกการรักษาของ CBT ในอาสาสมัคร IGD โดยใช้การถ่ายภาพด้วยคลื่นสนามแม่เหล็กที่มีฟังก์ชั่นการพักผ่อน อาสาสมัคร IGD ยี่สิบหกคนและ 30 จับคู่การควบคุมสุขภาพที่ดี (HCs) ได้รับการสแกน rsfMRI และการประเมินทางคลินิก อาสาสมัคร 20 IGD เสร็จสิ้น CBT แล้วจึงสแกนอีกครั้ง ความกว้างของค่าความถี่ต่ำ (ALFF) และการเชื่อมต่อการทำงาน (FC) ระหว่างกลุ่ม IGD และกลุ่ม HC ถูกเปรียบเทียบที่พื้นฐานเช่นเดียวกับค่า ALFF และ FC ก่อนและหลัง CBT ในกลุ่ม IGD ก่อนการรักษากลุ่ม IGD แสดงค่า ALFF ที่เพิ่มขึ้นอย่างมีนัยสำคัญใน putamen ทวิภาคี, เยื่อหุ้มสมอง orbitofrontal อยู่ตรงกลางด้านขวา (OFC), พื้นที่มอเตอร์เสริมทวิภาคี (SMA), gyrus postcentral ด้านซ้ายและด้านซ้ายด้านหน้า cingulate (ACC) กลุ่ม HC กลุ่ม HC แสดงให้เห็นว่าค่า FC เพิ่มขึ้นอย่างมีนัยสำคัญระหว่าง medial OFC ซ้ายและ putamen เมื่อเปรียบเทียบกับกลุ่ม IGD ค่า FC ของกลุ่ม IGD มีความสัมพันธ์ทางลบกับคะแนน BIS-11 ก่อนการรักษา หลังจาก CBT เวลาการเล่นเกมรายสัปดาห์สั้นลงอย่างมีนัยสำคัญและคะแนน CIAS และ BIS-II ลดลงอย่างมีนัยสำคัญ ค่า ALFF ในกลุ่ม IGD ลดลงอย่างมีนัยสำคัญใน OFC ที่เหนือกว่าด้านซ้ายและ putamen ทางซ้ายและ FC ระหว่างพวกเขาเพิ่มขึ้นอย่างมีนัยสำคัญหลังจาก CBT ระดับของการเปลี่ยนแปลงของ FC (Δ_{เอฟซี / Pre-FC}) มีความสัมพันธ์เชิงบวกกับขนาดของการเปลี่ยนแปลงคะแนน CIAS (Δ_{CIAS / Pre-CIAS}) ในวิชา IGD CBT สามารถควบคุมความผันผวนของความถี่ต่ำผิดปกติในภูมิภาค prefrontal-striatal ในกลุ่ม IGD และสามารถปรับปรุงอาการที่เกี่ยวข้องกับ IGD การสลับสถานะของการพักอาศัยในบริเวณ prefrontal-striatal อาจเปิดเผยกลไกการรักษาของ CBT ในอาสาสมัคร IGD

ที่มา: แอมพลิจูดของความผันผวนของความถี่ต่ำ การบำบัดพฤติกรรมทางปัญญา การเชื่อมต่อการทำงาน การถ่ายภาพด้วยคลื่นสนามแม่เหล็ก ความผิดปกติในการเล่นเกมอินเทอร์เน็ต

PMID: 30123144

PMCID: PMC6085723

ดอย: 10.3389 / fpsyt.2018.00341

บทความ PMC ฟรี

บทนำ

Internet game disorder (IGD) หรือที่รู้จักกันว่าการใช้งานอินเทอร์เน็ตที่มีปัญหาคือการใช้อินเทอร์เน็ตเกมออนไลน์มากเกินไปและเกิดขึ้นซ้ำ (1) เมื่อไม่นานมานี้ IGD ถูกระบุว่าเป็นพฤติกรรมการเล่นเกมแบบต่อเนื่องหรือเกิดซ้ำซึ่งควบคุมโดยการเล่นเกมที่บกพร่อง เพิ่มความสำคัญให้กับการเล่นเกมเหนือกิจกรรมอื่น ๆ ในขอบเขตที่การเล่นเกมมีความสำคัญเหนือความสนใจอื่น ๆ และกิจกรรมประจำวัน และความต่อเนื่องของการเล่นเกมแม้จะมีผลกระทบทางลบ (2, 3) แม้ว่าจะไม่มีเกณฑ์การวินิจฉัยที่เป็นทางการสำหรับสภาพจิตเวชที่มีรูปแบบการใช้อินเทอร์เน็ตมากเกินไปและรบกวนการใช้งานได้รวมอยู่ในคู่มือวินิจฉัยและสถิติฉบับที่สี่ (DSM-IV) (4) คณะกรรมการ DSM-V กำลังพิจารณาใช้เกณฑ์ที่สร้างขึ้นสำหรับความผิดปกติในการใช้สารเสพติดและสารเสพติดสำหรับ IGD และได้รวม IGD ไว้ในส่วนที่แสดงถึงการสอบสวนเพิ่มเติม (5).

นักวิจัยได้เปรียบ IGD กับความผิดปกติของการควบคุมแรงกระตุ้น (6) จากการศึกษาของ Neuroimaging พบว่าการเล่นเกมทางอินเทอร์เน็ตมากเกินไปนั้นเกี่ยวข้องกับกิจกรรมพักผ่อนผิดปกติในสมองกลีบหน้าซึ่งเป็นพื้นที่สมองที่รับผิดชอบกระบวนการทางความคิดเช่นการควบคุมการยับยั้ง (7) ฟังก์ชั่นบกพร่องของ prefrontal (PFC) อาจเกี่ยวข้องกับแรงกระตุ้นสูงซึ่งในทางกลับกันอาจนำไปสู่การควบคุมการยับยั้งความบกพร่องที่เกี่ยวข้องกับ IGD (8) การควบคุมความรู้ความเข้าใจที่มีประสิทธิภาพนั้นสัมพันธ์กับการสรรหาการประสานงานของวงจรจากบนลงล่าง, prefrontal-striatal ที่แตกต่างกัน (9, 10) การศึกษาก่อนหน้านี้เปิดเผยความสัมพันธ์ระหว่างความผิดปกติของโครงสร้างและหน้าที่ในเยื่อหุ้มสมอง prefrontal (PFC) และการควบคุมการยับยั้งที่บกพร่องใน IGD (11-16) ตัวอย่างเช่นการลดความหนาของเยื่อหุ้มสมองและการเพิ่มขึ้นของค่าความผันผวนของความถี่ต่ำ (ALFF) ใน OFC พบว่ามีความสัมพันธ์กับการด้อยค่าของฟังก์ชั่นการควบคุมความรู้ความเข้าใจในวิชาเด็กที่มี IGD (12) การศึกษาโดยใช้วิธีการ Reho พบว่าอาสาสมัคร IGD แสดงการซิงโครไนซ์เพิ่มขึ้นใน gyrus หน้าผากที่เหนือกว่าเมื่อเทียบกับการควบคุมสุขภาพ (HCs) ซึ่งแนะนำการเพิ่มขึ้นของกิจกรรมประสาทที่เกี่ยวข้องกับฟังก์ชั่นการควบคุมความรู้ความเข้าใจ17) เกาะและอัล (10) แสดงให้เห็นว่าฟังก์ชั่นบกพร่องในภูมิภาค prefrontal-striatal อาจอธิบายการลดลงของความสามารถในการยับยั้งใน IGD การศึกษาเกี่ยวกับการถ่ายภาพเหล่านี้แสดงให้เห็นว่าโครงสร้างและการทำงานของกลีบสมองส่วนหน้าเปลี่ยนแปลงไปอย่างไรเมื่อสัมพันธ์กับการควบคุมการยับยั้งที่บกพร่องใน IGD นอกจากนี้ฟังก์ชั่น dopamine บกพร่องใน striatum (ลดลงใน dopamine D2 ผู้รับและปล่อย dopamine ลดลง) และความสัมพันธ์กับการเผาผลาญน้ำตาลกลูโคสพื้นฐานลดลงใน PFC ถูกสังเกต (18, 19).

การบำบัดพฤติกรรมทางปัญญา (CBT) พบว่ามีประสิทธิภาพในการรักษาความผิดปกติของการควบคุมแรงกระตุ้นรวมถึงการพนันทางพยาธิวิทยา (20) การศึกษาการติดสารเสพติดแสดงให้เห็นว่า CBT ส่งเสริมให้อาสาสมัครรับรู้และหลีกเลี่ยงสถานการณ์ที่พวกเขาอาจมีแนวโน้มที่จะใช้สารและใช้กลยุทธ์การเผชิญปัญหาเพื่อต่อต้านการใช้ยาและปรับปรุงฟังก์ชั่นการควบคุมการยับยั้ง (21, 22) การศึกษาโดยใช้งาน Stroop พบว่า CBT อาจเกี่ยวข้องกับการลดการใช้สารเคมีและอาจส่งผลกระทบต่อระบบประสาทที่เกี่ยวข้องกับการควบคุมการรับรู้, การกระตุ้น, แรงจูงใจและความสนใจ (23) การศึกษาการถ่ายภาพด้วยเรโซแนนซ์แม่เหล็ก (fMRI) อีกงานหนึ่งที่ใช้งานการเงินล่าช้า (MID) ในการพึ่งพากัญชาของแคนาดารายงานว่าผู้เข้าร่วมขึ้นกับกัญชาของแคนาดาแสดงให้เห็นว่าปริมาณ putamen ทวิภาคีลดลงตาม CBT ซึ่งบ่งชี้ว่า ผลลัพธ์ (24) Young เชื่อว่าการแทรกแซงใน Internet Addiction (IA) ควรมุ่งเน้นไปที่การยับยั้งการใช้อินเทอร์เน็ตบนพื้นฐานนี้เขาเสนอวิธีการบำบัดพฤติกรรมทางปัญญา - IA (CBT-IA) ซึ่งได้รับการพิสูจน์แล้วว่ามีประสิทธิภาพในการรักษา IGD (6). กลุ่มของ Dr Du พบว่า CBT แบบกลุ่มในโรงเรียนมีประสิทธิผลสำหรับวัยรุ่นที่มี IGD โดยเฉพาะอย่างยิ่งในการปรับปรุงสภาพอารมณ์และความสามารถในการควบคุมพฤติกรรมพฤติกรรมและรูปแบบการจัดการตนเอง (20) แม้ว่า CBT ได้แสดงให้เห็นถึงประสิทธิภาพอย่างมากในการรักษา IGD แต่มีงานวิจัยเพียงเล็กน้อยที่ได้ตรวจสอบกลไกการรักษาของ CBT ในกลุ่ม IGD โดยใช้ fMRI การตรวจสอบการเปลี่ยนแปลงของสมองก่อนและหลังการรักษาไม่เพียง แต่ช่วยปรับปรุงความเข้าใจของเราเกี่ยวกับการเกิดโรคของ IGD และกลไกการรักษาของ CBT ใน IGD แต่ยังสามารถช่วยในการตรวจสอบผลการรักษาด้วย

เราใช้ Barratt Impulsiveness Scale-11 (BIS-11) เพื่อประเมินฟังก์ชั่นการยับยั้งพฤติกรรมของ IGD จากการศึกษาก่อนหน้านี้เราตั้งสมมติฐานว่า (1) กลุ่มที่มี IGD อาจแสดงการทำงานของสมอง / การเชื่อมต่อที่ผิดปกติในภูมิภาค prefrontal-striatal ซึ่งมีหน้าที่รับผิดชอบกระบวนการทางปัญญาเช่นการควบคุมการยับยั้ง; (2) CBT สามารถควบคุมการทำงานที่ผิดปกติของภูมิภาค prefrontal-striatal

ไปที่:

วัสดุและวิธีการ

ผู้เข้าร่วมและการประเมินผลทางคลินิก

การศึกษาในปัจจุบันได้รับการอนุมัติโดยคณะกรรมการจริยธรรมการวิจัยของโรงพยาบาลเรนจีและคณะแพทยศาสตร์มหาวิทยาลัยเซี่ยงไฮ้เจียวทงประเทศจีนหมายเลข [2016] 097k (2) ผู้เข้าร่วมและผู้ปกครองทั้งหมดได้ลงนามในแบบฟอร์มแสดงความยินยอมเป็นลายลักษณ์อักษรก่อนการศึกษา ผู้เข้าร่วมที่ลงทะเบียนแบบสอบถามการวินิจฉัยและเกณฑ์การยกเว้นทั้งหมดอธิบายไว้ในสิ่งพิมพ์ก่อนหน้าของเรา (15) อาสาสมัคร IGD ยี่สิบหกคนที่ผ่านมาตรฐานของแบบสอบถามวินิจฉัยสำหรับการติดอินเทอร์เน็ต (เช่น YDQ) ที่ดัดแปลงโดย Beard and Wolf (25) ได้รับการคัดเลือกจากแผนกจิตเวชเด็กและวัยรุ่นของศูนย์สุขภาพจิตเซี่ยงไฮ้ บุคคลที่มีสุขภาพดีวัยสามสิบและเพศที่มีสุขภาพดีที่ไม่มีประวัติส่วนตัวหรือประวัติครอบครัวของความผิดปกติทางจิตเวชได้รับคัดเลือกเป็นกลุ่มควบคุมสุขภาพ (HC) ผ่านการโฆษณา เมื่อพิจารณาจากความชุกของ IGD ที่สูงขึ้นในผู้ชายกับผู้หญิงมีเพียงผู้เข้าร่วมเท่านั้น (26) ผู้เข้าร่วมทั้งหมดถนัดขวาและไม่สูบบุหรี่เลย

ผู้เข้าร่วมทุกคนได้รับการตรวจร่างกายอย่างง่าย ๆ ซึ่งรวมถึงการวัดความดันโลหิตและอัตราการเต้นของหัวใจและได้รับการสัมภาษณ์โดยจิตแพทย์เกี่ยวกับประวัติทางการแพทย์ของพวกเขาเกี่ยวกับประสาท, มอเตอร์, ทางเดินอาหาร, ทางเดินหายใจ, ระบบไหลเวียนโลหิต, ต่อมไร้ท่อ จากนั้นพวกเขาจะถูกคัดเลือกสำหรับความผิดปกติทางจิตเวชด้วยการสัมภาษณ์ Mini International Neuropsychiatric สำหรับเด็กและวัยรุ่น (MINI-KID) (27) เกณฑ์การยกเว้นเป็นประวัติการใช้สารเสพติดหรือการพึ่งพาอาศัยกัน; โรงพยาบาลก่อนหน้านี้สำหรับความผิดปกติทางจิตเวช; หรือโรคทางจิตเวชที่สำคัญเช่นโรคจิตเภทโรคซึมเศร้าโรควิตกกังวลและ / หรือตอนโรคจิต

แบบสอบถามข้อมูลพื้นฐานถูกใช้เพื่อรวบรวมข้อมูลทางประชากรเช่นเพศอายุปีสุดท้ายของการเรียนจบและชั่วโมงการใช้อินเทอร์เน็ตต่อสัปดาห์ แบบสอบถามสี่ชุดถูกใช้เพื่อประเมินลักษณะทางคลินิกของผู้เข้าร่วม ได้แก่ Chen Internet Addiction Scale (CIAS) (28) ระดับความวิตกกังวลประเมินตนเอง (SAS) (29) สเกลอาการซึมเศร้าประเมินตนเอง (SDS) (30) และ Barratt Impulsiveness Scale-11 (BIS-11) (31) CIAS ที่พัฒนาโดยเฉินประกอบด้วยรายการ 26 ในระดับ Likert สี่จุดและสะท้อนถึงความรุนแรงของการติดอินเทอร์เน็ต SAS และ SDS ถูกนำมาใช้เพื่อแสดงให้เห็นว่าผู้เข้าร่วมการวิจัยทุกคนมีคุณสมบัติตามเกณฑ์การคัดเลือกในช่วงระยะเวลาการวิจัย แบบสอบถามทั้งหมดเขียนขึ้นเป็นภาษาอังกฤษจากนั้นแปลเป็นภาษาจีน จากนั้นกลุ่มวิชา 26 IGD ผู้ปกครองและครูของพวกเขาเข้าร่วมในกลุ่มติดตามผล CBT โดยสมัครใจซึ่งประกอบด้วยเซสชัน 12 (20) แต่ละเซสชันใช้งาน 1.5 – 2 h ในการบำบัดกลุ่มแต่ละครั้งจะมีการอภิปรายหัวข้อที่แตกต่างกัน หัวข้อเหล่านี้รวมถึงวิธีการจดจำและควบคุมความรู้สึกของคุณ หลักการสื่อสารที่ดีระหว่างพ่อแม่กับลูก เทคนิคการจัดการกับความสัมพันธ์ที่พัฒนาผ่านอินเทอร์เน็ต เทคนิคการจัดการกับเนื้อหาที่มีประสบการณ์ผ่านอินเทอร์เน็ต เทคนิคการควบคุมแรงกระตุ้นของคุณ เทคนิคในการรับรู้เมื่อเกิดพฤติกรรมเสพติด และวิธีหยุดพฤติกรรมเสพติด เซสชั่นสุดท้ายคือเซสชั่นการตรวจสอบ

หลังจากการแทรกแซงเราได้ประเมินลักษณะทางคลินิกของอาสาสมัคร IGD อีกครั้งและอีกยี่สิบคนได้รับการสแกนอีกครั้งบนพื้นฐานของความสมัครใจในลักษณะที่คล้ายกับโปรโตคอล pre-CBT

การเก็บข้อมูล MR

ทุกวิชาได้รับการพักผ่อนสถานะ fMRI ที่พื้นฐานด้วยระบบถ่ายภาพ 3.0-T MR (GE Signa HDxt3T สหรัฐอเมริกา) ด้วยหัวม้วนมาตรฐาน เพื่อหลีกเลี่ยงการเคลื่อนไหวและลดเสียงรบกวนของสแกนเนอร์ได้ใช้แผ่นซอฟต์และอาสาสมัครได้รับคำแนะนำอย่างละเอียดในการเคลื่อนที่เป็นโมฆะระหว่างการสแกนและคำอธิบายว่าทำไมการเคลื่อนไหวจึงไม่เหมาะกว่านอกเหนือจากคำแนะนำที่การเคลื่อนไหวมากเกินไป . ข้อมูลการพักผ่อน - สถานะ fMRI นั้นได้มาจากการใช้ลำดับการไล่สี - ก้อง - ก้องระนาบตามที่อธิบายไว้ในการศึกษาก่อนหน้าของเรา (16) สามสิบสี่ชิ้นตามขวาง [เวลาการทำซ้ำ [TR] = 2,000 ms; echo time [TE] = 30 ms; มุมมอง [FOV] = 230 × 230 มม. และขนาด Voxel 3.6 × 3.6 × 4 มม.] ที่ครอบคลุมทั้งสมองได้รับตามแนวหน้า สำหรับลำดับการสแกนนี้ได้รับปริมาณการใช้งาน 220 ในขณะที่วัตถุถูกวางตัว (ส่งผลให้มีความยาวในการสแกนเป็น 440 s) ในระหว่างการสแกนผู้เข้าร่วมจะได้รับคำสั่งให้หยุดนิ่งโดยไม่นิ่งเฉยเท่าที่จะทำได้และไม่นอนหรือคิดอะไร หลังจากการสแกนอาสาสมัครถูกถามเพื่อยืนยันว่าพวกเขายังคงตื่นขึ้นมาในระหว่างการสแกน อีกสองลำดับก็กลายเป็น: (1) แกนหมุนเร็ว - น้ำหนัก - ก้องลำดับ T1 (TR = 1,725 ms; TE = 24 ms; FOV = 256 × 256 × 34 × 0.5 × 0.5 × 4 × 2 × 2 × 9,000 × 120 × ) และ (256) ลำดับหมุนสปิน - ก้องแบบถ่วงน้ำหนักตามแนวแกน T256 (TR = 34 ms; TE = 0.5 ms; FOV = 0.5 × 4 มม., XNUMX × XNUMX × XNUMX × XNUMX × XNUMX × XNUMX × XNUMX × XNUMX × XNUMX ×

การประมวลผลข้อมูลภาพล่วงหน้าเพื่อการใช้งานเบื้องต้น

การประมวลผลข้อมูลภาพล่วงหน้าดำเนินการโดยใช้ SPM12 ที่ใช้ในซอฟต์แวร์ส่วนขยายของ MATLAB และ SPM12 การประมวลผลข้อมูลและการวิเคราะห์การสร้างภาพสมอง (DPABI; http://rfmri.org/dpabi) (32) หลังจากละทิ้งปริมาณ 10 แรกของแต่ละอนุกรมเวลาที่ใช้งานได้ภาพ 210 ที่เหลืออยู่ได้รับการแก้ไขเป็นชิ้นเวลาปรับแนวให้เป็นปริมาตรกลางและปรับแนวใหม่โดยใช้การแปลงเชิงเส้นแบบหกพารามิเตอร์ (ตัวแข็ง) จากนั้นภาพการทำงานทั้งหมดจะถูกทำให้เป็นมาตรฐานโดยตรงไปยังเท็มเพลต EPI แต่ละ voxel จะถูกเปลี่ยนเป็น 3 × 3 × 3 มม. และทำการปรับเปลี่ยนพื้นที่ให้เรียบด้วยเคอร์เนล Gaussian แบบเต็มความกว้างครึ่ง 8-mm จากนั้น 26 ก่อกวนสร้างความรำคาญ (รวมถึงช่วงเวลาเฉลี่ยของสัญญาณจาก voxels ภายในหน้ากากสีขาว, ระยะเวลาเฉลี่ยของสัญญาณจาก voxels ภายในหน้ากาก CSF และพารามิเตอร์การเคลื่อนไหว Friston 24) ถูกย่นออกมา นอกจากนี้แนวโน้มเชิงเส้นได้ถูกรวมไว้เป็น regressor เนื่องจากสัญญาณ BOLD สามารถแสดงการดริฟท์ความถี่ต่ำได้

ไม่มีผู้เข้าร่วมในการศึกษานี้แสดงความเคลื่อนไหวมากกว่า 1.5 mm ของการแปลสูงสุดใน x, y,หรือ z แกนหรือการหมุนสูงสุด 1.5 °ใน 3 แกนใดก็ได้ เพื่อแยกแยะผลกระทบที่เหลือของการเคลื่อนที่ในมาตรการ fMRI ของสภาวะพักตัวเพิ่มเติมการกระจัดเฉลี่ยของเฟรมวิส (ค่าเฉลี่ย FD) ของการเคลื่อนที่ของศีรษะถูกคำนวณและใช้เป็นค่าความแปรปรวนร่วมในการวิเคราะห์ฟังก์ชันกลุ่ม voxelwise ทั้งหมดซึ่งได้มาจากรากสัมพัทธ์ของเจนกินสัน อัลกอริธึมกำลังสองค่าเฉลี่ยและพิจารณาความแตกต่างของการเคลื่อนที่ของ voxelwise ในการหาที่มา (33); ไม่พบความแตกต่างของกลุ่มในค่าเฉลี่ย FD ระหว่างกลุ่ม IGD และ HC (p = 0.52) ที่ baseline หรือระหว่าง pre-CBT และ post-CBT timepoints (p = 0.71)

การวิเคราะห์ข้อมูลภาพเชิงหน้าที่

ทำการวิเคราะห์ ALFF โดยใช้ซอฟต์แวร์ DPABI ALFF เป็นสัดส่วนกับความแรงหรือความเข้มของการแกว่งความถี่ต่ำและเป็นความคิดที่สะท้อนกิจกรรมประสาทที่เกิดขึ้นเอง (34, 35). กล่าวโดยย่อหลังจากการประมวลผลล่วงหน้าที่กล่าวถึงก่อนหน้านี้อนุกรมเวลาของแต่ละว็อกเซลจะถูกเปลี่ยนเป็นโดเมนความถี่โดยไม่มีการกรองแบนด์พาสและได้สเปกตรัมกำลัง จากนั้นสเปกตรัมกำลังจะถูกแปลงค่ารากที่สองและเฉลี่ยอยู่ที่ 0.01–0.08 เฮิรตซ์ในแต่ละวอกเซล รากที่สองโดยเฉลี่ยของกำลังในย่านความถี่นี้ถูกนำมาเป็นค่า ALFF จากนั้นด้วยขั้นตอนการกำหนดมาตรฐานแผนที่ ALFF แต่ละรายการจะถูกทำให้เป็นมาตรฐานโดย ALFF ค่าเฉลี่ยทั่วโลกของแต่ละบุคคล โดยเฉพาะอย่างยิ่งค่าเฉลี่ยทั่ว voxels ของแผนที่ ALFF ถูกคำนวณและค่าของแต่ละ voxel จะถูกหารด้วยค่าเฉลี่ยทีละรายการ ก่อนอื่นเราเปรียบเทียบ ALFF พื้นฐานของกลุ่ม IGD กับของกลุ่ม HC เพื่อสำรวจกิจกรรมของระบบประสาทที่เปลี่ยนแปลงในกลุ่ม IGD โดยใช้สองตัวอย่าง t-ทดสอบ. การแก้ไขสำหรับการเปรียบเทียบหลายรายการทำให้เกิดการแก้ไขเกณฑ์ของ p <0.05 ถูกนำไปใช้โดยมีขนาดคลัสเตอร์ขั้นต่ำ 42 voxels (แก้ไข AlphaSim ด้วยพารามิเตอร์ต่อไปนี้: single voxel p = 0.001; การจำลอง 5,000; ค่าเฉลี่ยความสัมพันธ์เชิงพื้นที่โดยประมาณของ 8.04 × 10.60 × 10.46 mm FWHM; และหน้ากากสสารสีเทาทั่วโลก) เพื่อตรวจสอบผลกระทบของ CBT ในวิชา IGD ที่จับคู่ t- ทำการทดสอบเพื่อคำนวณแผนที่ความแตกต่างของกลุ่ม ALFF ก่อนและหลัง CBT การแก้ไขสำหรับการเปรียบเทียบหลายรายการทำให้เกิดการแก้ไขเกณฑ์ของ p <0.05 ถูกนำไปใช้โดยมีขนาดคลัสเตอร์ขั้นต่ำ 40 voxels (แก้ไข AlphaSim ด้วยพารามิเตอร์ต่อไปนี้: single voxel p = 0.001; การจำลอง 5,000; ค่าเฉลี่ยความสัมพันธ์เชิงพื้นที่โดยประมาณของ 9.70 × 10.30 × 9.52 mm FWHM; และหน้ากากสสารสีเทาทั่วโลก) เคอร์เนลที่ราบเรียบถูกประเมินตามแผนที่ t พิกัดของภูมิภาคที่มีความแตกต่างของกลุ่มที่สำคัญถูกรายงานในพื้นที่ของ Montreal Neurologic Institute (MNI)

ภูมิภาคที่น่าสนใจ (ROIs) ถูกกำหนดให้เป็นภูมิภาคที่ค่า ALFF เปลี่ยนแปลงอย่างมีนัยสำคัญระหว่างจุดเวลาก่อนและหลัง CBT ค่า FC ของพื้นที่เมล็ด (ด้านซ้ายสุดของ OFC (พิกัด MNI: x = −12, y = 24, z = −21, รัศมี = 6 mm) และ putamen ซ้าย (พิกัด MNI: x = −3, y = 3, z = 9, รัศมี = 6 mm) ถูกแยกโดยใช้ DPABI ที่พื้นฐาน, สองตัวอย่าง t- การทดสอบใช้เพื่อเปรียบเทียบค่า FC ระหว่างกลุ่ม IGD และกลุ่ม HC และการวิเคราะห์สหสัมพันธ์แบบเพียร์สันได้ดำเนินการระหว่างค่า FC กับคะแนนของ CIAS / BIS-11 ในกลุ่ม IGD จากนั้นเป็นคู่ t-การทดสอบใช้เพื่อเปรียบเทียบค่า FC ระหว่างจุดก่อนและหลังการรักษา การวิเคราะห์สหสัมพันธ์แบบเพียร์สันถูกดำเนินการระหว่างระดับของการเปลี่ยนแปลงในค่า FC ที่สกัด (Δ_{ALFF / Pre-ALFF} หรือΔ_{เอฟซี / Pre-FC}) และขนาดของการลดคะแนน CIAS (Δ_{CIAS / Pre-CIAS}) / BIS-11 (Δ_{BIS-11 / Pre-BIS-11}) ให้คะแนนเพื่อตรวจสอบว่าการเปลี่ยนแปลง FC จะทำนายการลดอาการผ่าน CBT หรือไม่ตามวิธีที่อธิบายไว้ในการศึกษาก่อนหน้า (36) แบบสองด้าน p- ค่าของ 0.05 ถือว่ามีนัยสำคัญทางสถิติ

การวิเคราะห์ทางสถิติของมาตรการทางประชากรและทางคลินิก

สองตัวอย่าง t-ทำการทดสอบโดยใช้โปรแกรม SPSS (ชุดสถิติสำหรับซอฟต์แวร์สังคมศาสตร์รุ่น SPSS 19, IBM, USA) สำหรับตัวแปรต่อเนื่องเพื่อประเมินความแตกต่างระหว่างกลุ่ม IGD และกลุ่ม HC จับคู่ t- การทดสอบใช้ในการตรวจสอบผลกระทบของ CBT ต่อลักษณะทางคลินิกระหว่างเวลาก่อนและหลัง CBT

ไปที่:

ผลสอบ

ข้อมูลประชากรและมาตรการทางคลินิกของกลุ่ม IGD และ HC

วิชา IGD และ HC ไม่แตกต่างกันในแต่ละช่วงอายุp = 0.31) หรือการศึกษา (p = 0.10) ตามที่คาดไว้วิชา IGD แสดงคะแนน CIAS, SAS, SDS และ BIS-II สูงกว่าอย่างมีนัยสำคัญ (p <0.001, p = 0.02, 0.04, 0.001) เช่นเดียวกับเวลาเล่นเกมรายสัปดาห์นานกว่าวิชา HC ได้ (p <0.001; ตาราง Table11).

1 ตาราง

ลักษณะทางประชากรและพฤติกรรมของกลุ่ม IGD และ HC

SD, ค่าเบี่ยงเบนมาตรฐาน; IGD, การเล่นเกมทางอินเทอร์เน็ต ฮี ธ ควบคุมสุขภาพ CBT การบำบัดพฤติกรรมทางปัญญา.

ความแตกต่างของ ALFF และ FC ระหว่างกลุ่ม IGD และ HC

เมื่อเปรียบเทียบกับอาสาสมัคร HC, กลุ่ม IGD พบว่ามีค่า ALFF เพิ่มขึ้นอย่างมีนัยสำคัญใน putamen ทวิภาคี, OFC ตรงกลางด้านขวา, พื้นที่มอเตอร์เสริมทวิภาคี (SMA), gyrus postcentral ด้านซ้ายและด้านซ้ายด้านหน้า cingulate (ACC; ตาราง) Table2,2รูปที่ Figure1) .1) พักผ่อน FC- รัฐระหว่าง medial OFC ซ้ายและ putamen ต่ำกว่าอย่างมีนัยสำคัญในกลุ่ม IGD (p = 0.002)

2 ตาราง

ภูมิภาคแสดงความแตกต่างของกลุ่มใน ALFF ระหว่างกลุ่ม IGD และกลุ่ม HC

BA, พื้นที่ Brodmann; IGD ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต HC การควบคุมที่ดีต่อสุขภาพ การทดสอบสองตัวอย่าง -T P <0.05, AlphaSim-modified (P <0.001, voxel size> 42).

รูป 1

บริเวณสมองที่มีค่า ALFF สูงกว่าในกลุ่ม IGD มากกว่าในกลุ่ม HC ที่เส้นฐาน (p <0.05, แก้ไข AlphaSim) ส่วนด้านซ้ายของรูปแสดงถึงด้านขวาของผู้เข้าร่วมและส่วนด้านขวาหมายถึงด้านซ้ายของผู้เข้าร่วม ALFF ความกว้างของความผันผวนของความถี่ต่ำ IGD ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต HC การควบคุมที่ดีต่อสุขภาพ

ข้อมูลประชากรและมาตรการทางคลินิกก่อนและหลัง CBT

หลังจาก CBT เวลาการเล่นเกมรายสัปดาห์และคะแนนของ CIAS และ BIS-11 ลดลงอย่างมีนัยสำคัญ (ทั้งหมด ps = 0.001) การค้นพบเหล่านี้แสดงให้เห็นว่า CBT มีประสิทธิภาพในการรักษาของกลุ่ม IGD (ตาราง (Table33).

3 ตาราง

ลักษณะทางประชากรและพฤติกรรมก่อนและหลังการบำบัดพฤติกรรมทางปัญญา (CBT) ในกลุ่ม IGD

SD, ค่าเบี่ยงเบนมาตรฐาน; IGD, การเล่นเกมทางอินเทอร์เน็ต.

การเปลี่ยนแปลงในกิจกรรมประสาทรัฐพักผ่อนก่อนและหลัง CBT

หลังจาก CBT ค่า ALFF ลดลงอย่างมีนัยสำคัญใน medial OFC ทางซ้ายและ putamen (ตาราง (Table4,4รูปที่ Figure3) .3) นอกจากนี้ FC พักผ่อนที่อยู่ระหว่าง OFC ด้านซ้ายตรงกลางและ putamen เพิ่มขึ้นอย่างมีนัยสำคัญ

4 ตาราง

ภูมิภาคที่แสดงความแตกต่างของกลุ่มใน ALFF ระหว่าง pre-CBT และ post-CBT ในกลุ่ม IGD

BA, พื้นที่ Brodmann; CBT, การบำบัดพฤติกรรมทางปัญญา, IGD, เกมพนันทางอินเทอร์เน็ต

การทดสอบ Paired-T P <0.05, AlphaSim-modified (P <0.001, voxel size> 40).

รูป 3

บริเวณสมองที่แสดงค่า ALFF ลดลงในกลุ่ม IGD หลังจากการบำบัดพฤติกรรมทางปัญญา (p <0.05, แก้ไข AlphaSim) ส่วนด้านซ้ายของรูปแสดงถึงด้านขวาของผู้เข้าร่วมและส่วนด้านขวาหมายถึงด้านซ้ายของผู้เข้าร่วม IGD ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต ALFF ความกว้างของความผันผวนของความถี่ต่ำ

มาตรการความสัมพันธ์ทางคลินิก

ในกลุ่ม IGD ค่า FC ระหว่าง medial OFC ด้านซ้ายและ putamen นั้นสัมพันธ์กับคะแนน BIS-11 ในทางลบ (r = −0.733 p <0.001; รูป Figure2) .2) การเปลี่ยนแปลงในค่า FC ที่แยกออกมา (Δ_{เอฟซี / Pre-FC}) ระหว่าง OFC ที่เหนือกว่าด้านซ้ายกับ Putamen ด้านซ้ายมีความสัมพันธ์เชิงบวกกับขนาดของการลดคะแนน CIAS (Δ_{CIAS / Pre-CIAS}; r = 0.707, p <0.001; รูป Figure4) .4) ไม่มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างการเปลี่ยนแปลงของค่า FC (Δ_{เอฟซี / Pre-FC}) และขนาดของการลดคะแนน BIS-11 (Δ_{BIS-11 / Pre-BIS-11}) ตรวจพบ (r = 0.396, p = 0.084)

รูป 2

ในกลุ่ม IGD ค่า FC ระหว่าง medial OFC ด้านซ้ายและ putamen นั้นสัมพันธ์กับคะแนน BIS-11 ในทางลบ (r = −0.733 p <0.001) IGD ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต FC, การเชื่อมต่อที่ใช้งานได้; OFC, เปลือกนอกวงโคจรของหน้าผาก; BIS-11, Barratt Impulsiveness Scale-11

รูป 4

การเปลี่ยนแปลงของค่า FC (ΔFC / Pre-FC) ระหว่าง OFC superior ด้านซ้ายและ Putamen ด้านซ้ายมีความสัมพันธ์เชิงบวกกับขนาดของการลดคะแนน CIAS ในวิชา IGD (ΔCIAS / Pre-CIAS; r = 0.707, p <0.001) FC, การเชื่อมต่อที่ใช้งานได้; OFC, เปลือกนอกวงโคจรของหน้าผาก; CIAS, Chen Internet Addiction Scale; IGD ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต

ไปที่:

การสนทนา

ในการศึกษาระยะยาวนี้ใช้วิธี ALFF และ FC เพื่อตรวจสอบการทำงานของสมองระหว่างกลุ่ม IGD และกลุ่ม HC และกลไกการรักษาของ CBT ในกลุ่ม IGD เราพบว่าอาสาสมัคร IGD แสดงให้เห็นถึงการทำงานที่ผิดปกติของบางภูมิภาค prefrontal-striatal ที่สัมพันธ์กับอาสาสมัคร HC และ CBT สามารถลดทอนความผิดปกติของการทำงานใน OFC และ putamen และเพิ่มปฏิสัมพันธ์ระหว่างพวกเขานอกเหนือจากการปรับปรุงอาการของ IGD

ในการศึกษานี้ FC ที่พักผ่อนระหว่างด้านซ้ายตรงกลาง OFC และ putamen นั้นต่ำกว่าในกลุ่ม IGD อย่างมีนัยสำคัญ BIS-11 มีความสัมพันธ์กับการสลับ FC แสดงให้เห็นว่าการด้อยค่าในวงจร prefrontal-striatal อาจมีผลกระทบต่อพฤติกรรมหุนหันพลันแล่นของอาสาสมัคร IGD การศึกษา neuroimaging ก่อนหน้านี้รายงานว่าการด้อยค่าของการใช้งานในภูมิภาค PFC มีความสัมพันธ์กับแรงกระตุ้นสูงใน IGD (37) วงจร prefrontal-striatal รวมถึงองค์ความรู้ซึ่งส่วนใหญ่เชื่อมต่อหางและ putamen กับภูมิภาค prefrontal สอดคล้องกับการค้นพบของการศึกษา neuroimaging การทำงานเมื่อเร็ว ๆ นี้พบว่ามีการสลับสับเปลี่ยนการทำงานในบริเวณ prefrontal หลายแห่ง (รวมถึง medial OFC ที่ถูกต้อง, SMA ระดับทวิภาคีและ ACC ด้านซ้าย) และบริเวณฐานปมประสาท12, 38, 39) Volkow และคณะ เครือข่ายเซลล์ประสาทที่แนะนำในผู้ติดยาเสพติดรวมถึง OFC-, ACC-, gyrus frontal gyrus (IFG) - และ cortex dorsolateral prefrontal cortex (DLPFC) - วงจรแรกซึ่งอาจสะท้อนพฤติกรรมที่สังเกตได้เช่นความบกพร่องในการควบคุมตนเองและพฤติกรรม ความยืดหยุ่น (40) และปัญหาในการตัดสินใจที่ดีซึ่งเป็นลักษณะของการเสพติด; เมื่อบุคคลที่มี IGD ยังคงเล่นเกมแม้ว่าพวกเขาจะต้องเผชิญกับผลกระทบด้านลบนี่อาจเกี่ยวข้องกับการทำงานที่ผิดปกติของวงจร prefrontal-striatal (41) หนึ่งในพฤติกรรมหลักของ IGD คือการขาดดุลการควบคุมแรงกระตุ้นด้วยการขาดการควบคุมการเล่นเกมอินเทอร์เน็ต การศึกษาก่อนหน้านี้รวม morphometric-based voxel (VBM) และการวิเคราะห์ FC เปิดเผยว่าการมีส่วนร่วมของภูมิภาค prefrontal หลายแห่งและวงจร prefrontal-striatal ที่เกี่ยวข้อง (ACC-, OFC- และ DLPFC-striatal circuits) ในกระบวนการ IGD และแนะนำว่า IGD อาจแบ่งปันกลไกประสาทที่คล้ายกันกับการพึ่งพาสารในระดับวงจร (41) การค้นพบในปัจจุบันมีความสำคัญเนื่องจากการสลับของการทำงานของสมอง / การเชื่อมต่อในวงจร prefrontal-striatal ที่ถูกสังเกตเห็นประกบกับการศึกษาก่อนหน้านี้ นอกจากนี้ SMA ยังรวมอยู่ในเครือข่าย salience ซึ่งควบคุมการทำงานของเครือข่ายอื่น ๆ เมื่อต้องการการเปลี่ยนแปลงอย่างรวดเร็วในพฤติกรรมเช่นเมื่อใช้แป้นพิมพ์อย่างรวดเร็วขณะเล่นเกม (42) หยวนและคณะ รายงานค่า ALFF ที่สูงขึ้นใน SMA ในหัวเรื่อง IGD (12) และเราพบผลลัพธ์ที่คล้ายกันในการศึกษานี้ซึ่งชี้ให้เห็นว่า SMA อาจเป็นภูมิภาคที่สำคัญที่อาจเกิดขึ้นในพฤติกรรมเสพติด (41).

จนถึงปัจจุบันกลุ่ม CBT ได้แสดงให้เห็นว่ามีประสิทธิภาพในการช่วยเหลือวัยรุ่นที่ติดอินเทอร์เน็ต (20) ในการศึกษาปัจจุบันเวลาเล่นเกมรายสัปดาห์สั้นลงอย่างมีนัยสำคัญและคะแนนของ CIAS และ BIS-II ลดลงอย่างมีนัยสำคัญหลังจาก CBT มันบอกว่าผลกระทบเชิงลบสามารถย้อนกลับถ้าติดยาเสพติดอินเทอร์เน็ตสามารถนำส่งภายในระยะเวลาอันสั้น เราสังเกตเห็นค่า ALFF ที่ลดลงใน OFC superior ด้านซ้ายและ Putamen ด้านซ้ายและการเชื่อมต่อ OFC-putamen ที่เพิ่มขึ้นหลังจาก CBT ซึ่งเป็นข้อค้นพบที่สอดคล้องกับข้อสังเกตก่อนหน้านี้ที่แนะนำว่าวงจร OFC-striatal อาจเป็นเป้าหมายในการรักษา ความผิดปกติ (43) OFC มีส่วนร่วมในการควบคุมแรงกระตุ้นนอกเหนือไปจากการตัดสินใจดังนั้นการเชื่อมต่อระหว่าง OFC และ putamen บ่งบอกถึงการควบคุมพฤติกรรมหุนหันพลันแล่นของอาสาสมัคร IGD ได้ดีขึ้น (44) มันสอดคล้องกับผลลัพธ์ของการลดคะแนน BIS-11 หลังการรักษา Putamen เป็นหนึ่งในส่วนของ striatum และเป็นพื้นที่สมองที่เกี่ยวข้องกับกระบวนการทางความรู้ที่ใช้ร่วมกันกับนิวเคลียสหาง โดยเฉพาะอย่างยิ่ง putamen นั้นมีส่วนเกี่ยวข้องกับการควบคุมพฤติกรรมที่เป็นนิสัยและการกระทำตามเป้าหมาย (45) เราสังเกตว่า ALFF ที่สูงขึ้นลดลงใน putamen ด้านซ้ายหลังจาก CBT แสดงให้เห็นว่า CBT อาจเป็นประโยชน์ในการเพิ่มการควบคุมพฤติกรรมที่เป็นนิสัยและการกระทำที่มุ่งเป้าหมายของอาสาสมัคร IGD ซึ่งหมายความว่า CBT อาจสามารถป้องกันการใช้เกมที่ไม่มีอารมณ์โดยการเปลี่ยนการโต้ตอบของวงจร prefrontal-striatal การศึกษาก่อนหน้าของ CBT ได้รายงานว่า CBT เปลี่ยนแปลงการเปิดใช้งานสถานะพักในเยื่อหุ้มสมองส่วนหน้าและ CBT แก้ไขกระบวนการทางปัญญาที่ผิดปกติ (46) ในขณะเดียวกันการเปลี่ยนแปลงในการเชื่อมต่อ OFC-putamen สามารถทำนายผลกระทบของ CBT

จุดอ่อนของการศึกษานี้คือกลุ่ม IGD ไม่ได้รับการสุ่มให้เป็นสองกลุ่ม (ผู้เข้าร่วมกลุ่มหนึ่งจะได้รับ CBT ในขณะที่อีกกลุ่มที่ไม่ได้รับการรักษาจะทำหน้าที่เป็นผู้ควบคุม) ประการที่สองเราคัดเลือกผู้เข้าร่วมชายเท่านั้น ดังนั้นจึงจำเป็นต้องมีการศึกษาเพิ่มเติมกับผู้เข้าร่วมหญิงเพื่อยืนยันและขยายผลปัจจุบัน ประการที่สามขนาดตัวอย่างที่ จำกัด เพิ่มความเสี่ยงของการปฏิเสธเชิงลบและ จำกัด การทดสอบเพื่อประเมินความสัมพันธ์ระหว่างการเปลี่ยนแปลงค่า FC และผลการรักษา ประการที่สี่มีความจำเป็นต้องแก้ไขการเปรียบเทียบหลาย ๆ แบบเพื่อควบคุมข้อผิดพลาดที่เป็นบวก การแก้ไข AlphaSim ถูกใช้ที่นี่เพราะไม่สามารถรับคลัสเตอร์ได้เมื่อใช้วิธีการแก้ไข FWE หรือ FDR อย่างไรก็ตามเราคิดว่าการแก้ไข AlphaSim สามารถเป็นที่ยอมรับในการศึกษาเชิงสำรวจของเราเนื่องจากเป็นหนึ่งในตัวเลือกที่ได้รับความนิยมมากที่สุดสำหรับการแก้ไขหลายการเปรียบเทียบและใช้ในการศึกษาจำนวนมาก (34).

โดยสรุปการค้นพบของเราแสดงให้เห็นว่า IGD มีความสัมพันธ์กับการทำงานของวงจร prefrontal-striatal บางอันและ CBT สามารถลดทอนความผิดปกติของการทำงานของ OFC และ putamen และเพิ่มปฏิสัมพันธ์ระหว่างพวกเขา การค้นพบเหล่านี้อาจเป็นพื้นฐานสำหรับการเปิดเผยกลไกการรักษาของ CBT ในกลุ่ม IGD และทำหน้าที่เป็นผู้ให้บริการชีวภาพที่มีศักยภาพที่อาจทำนายการปรับปรุงอาการหลังจาก CBT ในอาสาสมัคร IGD

ไปที่:

ผลงานผู้แต่ง

YZ, YD มีหน้าที่รับผิดชอบในการศึกษาแนวคิดและการออกแบบ YD, WJ, XB, MC, XW และ WD สนับสนุนการจัดเก็บข้อมูล YS, XH และ YW ช่วยในการวิเคราะห์ข้อมูลและตีความผลการวิจัย XH ร่างต้นฉบับ ผู้เขียนทุกคนได้ตรวจสอบเนื้อหาและวิจารณ์ขั้นสุดท้ายเพื่อเผยแพร่

คำชี้แจงความขัดแย้งทางผลประโยชน์

ผู้เขียนประกาศว่าการวิจัยได้ดำเนินการในกรณีที่ไม่มีความสัมพันธ์ทางการค้าหรือทางการเงินใด ๆ ที่อาจตีความได้ว่าเป็นความขัดแย้งทางผลประโยชน์ที่อาจเกิดขึ้น

ไปที่:

เชิงอรรถ

เงินทุน งานนี้ได้รับการสนับสนุนโดยมูลนิธิวิทยาศาสตร์ธรรมชาติแห่งชาติของจีน (หมายเลข 81571650), โครงการคู่มือการแพทย์คณะกรรมการวิทยาศาสตร์และเทคโนโลยีแห่งเซี่ยงไฮ้ (ยาตะวันตก, No.17411964300), และคณะกรรมการการศึกษาทางคลินิกของเซี่ยงไฮ้ - Gaofeng ให้การสนับสนุนทางการเงิน (ฉบับที่ 20172013) ) มูลนิธิการวิจัยวิศวกรรมการแพทย์ข้ามมหาวิทยาลัยเซี่ยงไฮ้เจียวทง (หมายเลข YG2017QN47) และกองทุนเมล็ดพันธุ์การวิจัยของโรงพยาบาล Ren Ji, คณะแพทยศาสตร์มหาวิทยาลัยเซี่ยงไฮ้เจียวทง (RJZZ17-016) โครงการบ่มเพาะเพื่อการวิจัยทางคลินิกและนวัตกรรมของโรงพยาบาลเรนจีคณะแพทยศาสตร์มหาวิทยาลัยเซี่ยงไฮ้เจียวตง (PYIII-17-027, PYIV-17-003) ผู้เลี้ยงไม่มีบทบาทในการออกแบบการศึกษาการรวบรวมและวิเคราะห์ข้อมูลการตัดสินใจที่จะเผยแพร่หรือการจัดทำต้นฉบับ

ไปที่:

อ้างอิง

1 Ko CH, GLiu C, Yen JY, Chen CY, Yen CF, Chen CS สมองมีความสัมพันธ์กับความอยากเล่นเกมออนไลน์ภายใต้แสงคิวในตัวแบบที่มีการติดเกมบนอินเทอร์เน็ตและในเรื่องที่นำส่ง ติดยาเสพติด Biol (2013) 18: 559 – 69 10.1111 / j.1369-1600.2011.00405.x [PubMed] [ข้ามอ้างอิง]

2 King DL, Delfabbro PH, Wu A, Doh YY, Kuss DJ, Pallesen S, และคณะ . การรักษาความผิดปกติของการเล่นเกมอินเทอร์เน็ต: การทบทวนอย่างเป็นระบบระหว่างประเทศและการประเมิน CONSORT Clin Psychol Rev. (2017) 54: 123 – 33 10.1016 / j.cpr.2017.04.002 [PubMed] [ข้ามอ้างอิง]

3 Ko CH, Liu TL, วัง PW, Chen CS, Yen CF, Yen JY การกำเริบของโรคซึมเศร้าความเกลียดชังและความวิตกกังวลทางสังคมในการติดยาเสพติดทางอินเทอร์เน็ตในหมู่วัยรุ่น: การศึกษาในอนาคต Compr Psychiatry (2014) 55: 1377 – 84 10.1016 / j.comppsych.2014.05.003 [PubMed] [ข้ามอ้างอิง]

4 บล็อค JJ ปัญหาสำหรับ DSM-V: การติดอินเทอร์เน็ต ฉันคือจิตเวชศาสตร์ (2008) 165: 306 – 7 10.1176 / appi.ajp.2007.07101556 [PubMed] [ข้ามอ้างอิง]

5 สมาคม AP คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต 5th Edn Washington, DC: สมาคมจิตแพทย์อเมริกัน; (2013)

6 Young KS ผลการรักษาโดยใช้ CBT-IA กับผู้ป่วยที่ติดอินเทอร์เน็ต J Behav Addict (2013) 2: 209 – 15 10.1556 / JBA.2.2013.4.3 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

7 Dong G, Zhou H, Zhao X. ผู้ติดอินเทอร์เน็ตชายแสดงความสามารถในการควบคุมผู้บริหารที่บกพร่อง: หลักฐานจากงาน Stroop คำสี Neurosci Lett (2011) 499: 114 – 8 10.1016 / j.neulet.2011.05.047 [PubMed] [ข้ามอ้างอิง]

8 Weinstein A, Livny A, Weizman A. การพัฒนาใหม่ในการวิจัยสมองของความผิดปกติของอินเทอร์เน็ตและการเล่นเกม Neurosci Biobehav รายได้ (2017) 75: 314 – 30 10.1016 / j.neubiorev.2017.01.040 [PubMed] [ข้ามอ้างอิง]

9 Nelson CL, Sarter M, Bruno JP การปรับเยื่อหุ้มสมองด้านหน้าของการปล่อย acetylcholine ในเยื่อหุ้มสมองหลังข้างขม่อม ประสาทวิทยาศาสตร์ (2005) 132: 347 – 59 10.1016 / j.neuroscience.2004.12.007 [PubMed] [ข้ามอ้างอิง]

10 Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, และคณะ . การเปลี่ยนแปลงการกระตุ้นสมองในระหว่างการยับยั้งการตอบสนองและการประมวลผลข้อผิดพลาดในวิชาที่มีความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต: การศึกษาการถ่ายภาพด้วยแม่เหล็ก โรงพยาบาลจิตเวช Eur Arch (2014) 264: 661 – 72 10.1007 / s00406-013-0483-3 [PubMed] [ข้ามอ้างอิง]

11 Weng CB, Qian RB, Fu XM, Lin B, Han XP, Niu CS, และคณะ . ความผิดปกติของสสารสีเทาและสีขาวในการติดเกมออนไลน์ Eur J Radiol (2013) 82: 1308 – 12 10.1016 / j.ejrad.2013.01.031 [PubMed] [ข้ามอ้างอิง]

12 Yuan K, Jin C, Cheng P, Yang X, Dong T, Bi Y, และคณะ . ความผิดปกติของความถี่ต่ำที่ผันผวนในวัยรุ่นที่ติดเกมออนไลน์ กรุณาหนึ่ง (2013) 8: e78708 10.1371 / journal.pone.0078708 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

13 Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, Lin WC. และคณะ . กิจกรรมสมองที่เกี่ยวข้องกับการกระตุ้นให้เกิดการติดเกมออนไลน์ J Psychiatr Res (2009) 43: 739 – 47 10.1016 / j.jpsychires.2008.09.012 [PubMed] [ข้ามอ้างอิง]

14 Ko CH, Liu GC, Yen JY, CF CF, Chen CS, Lin WC การเปิดใช้งานสมองสำหรับทั้งการกระตุ้นการเล่นเกมคิวและความอยากสูบบุหรี่ในหมู่ผู้ร่วม comorbid กับการติดเกมบนอินเทอร์เน็ตและการพึ่งพานิโคติน J Psychiatr Res (2013) 47: 486 – 93 10.1016 / j.jpsychires.2012.11.008 [PubMed] [ข้ามอ้างอิง]

15 Wang Y, Yin Y, Sun YW, Zhou Y, Chen X, Ding WN, และคณะ . การเชื่อมต่อการทำงานระหว่างสมองในวัยรุ่นที่มีความผิดปกติจากการเล่นเกมทางอินเทอร์เน็ตลดลง: การศึกษาขั้นต้นโดยใช้ FMR ที่พักผ่อนหย่อนใจ กรุณาหนึ่ง (2015) 10: e0118733 10.1371 / journal.pone.0118733 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

16 Ge X, Sun Y, Han X, Wang Y, Ding W, Cao M, และคณะ . ความแตกต่างในการเชื่อมต่อการทำงานของ dorsolateral prefrontal cortex ระหว่างผู้สูบบุหรี่ที่มีการพึ่งพานิโคตินและผู้ที่มีความผิดปกติในการเล่นเกมทางอินเทอร์เน็ต BMC ประสาทวิทยาศาสตร์ (2017) 18: 54 10.1186 / s12868-017-0375-y [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

17 Liu J, Gao XP, Osunde I, Li X, Zhou SK, Zheng HR, และคณะ . ความสม่ำเสมอของภูมิภาคเพิ่มขึ้นในความผิดปกติของการติดอินเทอร์เน็ต: การศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก Chin Med J. (2010) 123: 1904 – 8 10.3760 / cma.j.issn.0366-6999.2010.14.014 [PubMed] [ข้ามอ้างอิง]

18 ยี่ห้อ M, Young KS, Laier C. การควบคุมล่วงหน้าและการติดอินเทอร์เน็ต: แบบจำลองเชิงทฤษฎีและการทบทวนผลการค้นพบทางประสาทวิทยาและ neuroimaging Front Hum Neurosci (2014) 8: 375 10.3389 / fnhum.2014.00375 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

19 Everitt BJ, Robbins TW จากหน้าท้องไปจนถึงหลัง striatum: มุมมองเบี่ยงเบนของบทบาทของพวกเขาในการติดยาเสพติด Neurosci Biobehav รายได้ (2013) 37 (9 Pt A): 1946 – 54 10.1016 / j.neubiorev.2013.02.010 [PubMed] [ข้ามอ้างอิง]

20 Du YS, Jiang W, Vance A. ผลระยะยาวของการรักษาแบบกลุ่มพฤติกรรมการเรียนรู้แบบสุ่มและควบคุมสำหรับการติดอินเทอร์เน็ตในนักเรียนวัยรุ่นในเซี่ยงไฮ้ จิตเวชศาสตร์นิวซีแลนด์ (2010) 44: 129 – 34 10.3109 / 00048670903282725 [PubMed] [ข้ามอ้างอิง]

21 Weingardt KR, Villafranca SW, Levin C. การฝึกอบรมทางเทคโนโลยีในการบำบัดพฤติกรรมทางปัญญาสำหรับผู้ให้คำปรึกษาเรื่องการใช้สารเสพติด Subus Abus (2006) 27: 19 – 25 10.1300 / J465v27n03_04 [PubMed] [ข้ามอ้างอิง]

22 Kiluk BD, Nich C, Babuscio T, Carroll KM คุณภาพกับปริมาณ: การได้มาซึ่งทักษะการเผชิญปัญหาหลังการบำบัดด้วยความรู้ความเข้าใจพฤติกรรมด้วยคอมพิวเตอร์สำหรับความผิดปกติในการใช้สาร การเสพติด (2010) 105: 2120 – 7 10.1111 / j.1360-0443.2010.03076.x [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

23 DeVito EE, Worhunsky PD, Carroll KM, Rounsaville BJ, Kober H, Potenza MN การศึกษาเบื้องต้นเกี่ยวกับผลกระทบทางประสาทของพฤติกรรมบำบัดสำหรับความผิดปกติในการใช้สาร ยาเสพติดแอลกอฮอล์ขึ้นอยู่กับ (2012) 122: 228 – 35 10.1016 / j.drugalcdep.2011.10.002 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

24 Yip SW, DeVito EE, Kober H, Worhunsky PD, Carroll KM, Potenza MN มาตรการการปรับสภาพของโครงสร้างสมองและการทำงานของสมองที่ได้รับรางวัลในการพึ่งพากัญชา: การศึกษาเชิงสำรวจเกี่ยวกับความสัมพันธ์กับการเลิกบุหรี่ในระหว่างการรักษาพฤติกรรม ยาเสพติดแอลกอฮอล์ขึ้นอยู่กับ (2014) 140: 33 – 41 10.1016 / j.drugalcdep.2014.03.031 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

25 เครา KW, Wolf EM การปรับเปลี่ยนในเกณฑ์การวินิจฉัยที่เสนอสำหรับการติดอินเทอร์เน็ต ไซเบอร์สปิลโซลเบฟ (2001) 4: 377 – 83 10.1089 / 109493101300210286 [PubMed] [ข้ามอ้างอิง]

26 Meng Y, Deng W, Wang H, Guo W, Li T. ความผิดปกติของการ prefrontal ในบุคคลที่มีความผิดปกติของการเล่นเกมอินเทอร์เน็ต: การวิเคราะห์ meta ของการศึกษาการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก ติดยาเสพติด Biol (2015) 20: 799 – 808 10.1111 / adb.12154 [PubMed] [ข้ามอ้างอิง]

27 Sheehan DV, Sheehan KH, Shytle RD, Janavs J, Bannon Y, Rogers J. E, et al. . ความน่าเชื่อถือและความถูกต้องของการสัมภาษณ์มินิไซโคจิตเวชนานาชาติสำหรับเด็กและวัยรุ่น (MINI-KID) จิตเวชศาสตร์ J Clin (2010) 71: 313 – 26 10.4088 / JCP.09m05305 เมื่อ [PubMed] [ข้ามอ้างอิง]

28 เฉิน SH, Weng LJ, Su YJ, Wu HM, Yang PF การพัฒนามาตรการติดอินเทอร์เน็ตของจีนและการศึกษาไซโครเมทริกซ์. ชินเจ Psychol (2003) 45: 251 – 66 10.1037 / t44491-000 [ข้ามอ้างอิง]

29 Zung WW เครื่องมือประเมินความผิดปกติของความวิตกกังวล Psychosomatics (1971) 12: 371 – 9 10.1016 / S0033-3182 (71) 71479-0 [PubMed] [ข้ามอ้างอิง]

30 Zung WW ระดับความซึมเศร้าที่ประเมินตนเอง จิตเวชศาสตร์ Arch Gen (1965) 12: 63 – 70 10.1001 / archpsyc.1965.01720310065008 [PubMed] [ข้ามอ้างอิง]

31. Patton JH, Stanford MS, Barratt ES โครงสร้างปัจจัยของระดับความหุนหันพลันแล่นของ Barratt J Clin Psychol. (1995) 51: 768–74. 10.1002 / 1097-4679 (199511) 51: 6 <768 :: AID-JCLP2270510607> 3.0.CO; 2-1 [PubMed] [ข้ามอ้างอิง]

32. Yan CG, วัง XD, Zuo XN, Zang YF DPABI: การประมวลผลและวิเคราะห์ข้อมูลสำหรับการสร้างภาพสมอง (สถานะพักผ่อน) ประสาทสารสนเทศ (2016) 14: 339–51. 10.1007 / s12021-016-9299-4 [PubMed] [ข้ามอ้างอิง]

33 Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE ความสัมพันธ์ปลอม แต่เป็นระบบในการเชื่อมต่อการทำงานเครือข่าย MRI เกิดขึ้นจากการเคลื่อนไหวเรื่อง Neuroimage (2012) 59: 2142 – 54 10.1016 / j.neuroimage.2011.10.018 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

34 Li F, Lui S, Yao L, Hu J, Lv P, Huang X, et al. . การเปลี่ยนแปลงตามยาวในการทำงานของสมองที่พักผ่อนในผู้ป่วยที่เป็นโรคจิตเภทตอนแรก: การศึกษาการถ่ายภาพ MR MRN ปีที่ติดตามการทำงาน 1 รังสีวิทยา (2016) 279: 867 – 75 10.1148 / radiol.2015151334 [PubMed] [ข้ามอ้างอิง]

35 Liu F, Guo W, Liu L, Long Z, Ma C, Xue Z, และคณะ . ความผิดปกติของความถี่ต่ำแอมพลิจูดความถี่ต่ำในการรักษาด้วยยาไร้เดียงสาผู้ป่วยในตอนแรกที่มีโรคซึมเศร้าที่สำคัญ: การศึกษา fMRI พักผ่อนรัฐ J มีผลต่อความผิดปกติ (2013) 146: 401 – 6 10.1016 / j.jad.2012.10.001 [PubMed] [ข้ามอ้างอิง]

36 หยวน M, Zhu H, Qiu C, Meng Y, Zhang Y, Shang J, et al. . การบำบัดพฤติกรรมทางปัญญาของกลุ่มปรับการเชื่อมต่อการทำงานของรัฐพักผ่อนของเครือข่ายที่เกี่ยวข้องกับ amygdala ในผู้ป่วยที่มีความวิตกกังวลทางสังคมทั่วไป BMC จิตเวชศาสตร์ (2016) 16: 198 10.1186 / s12888-016-0904-8 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

37. Dieter J, Hoffmann S, Mier D, Reinhard I, Beutel M, Vollstadt-Klein S และอื่น ๆ . บทบาทของการควบคุมการยับยั้งอารมณ์ในการติดอินเทอร์เน็ตโดยเฉพาะ - การศึกษา fMRI พฤติกรรมสมอง Res. (2017) 324: 1–14. 10.1016 / j.bbr.2017.01.046 [PubMed] [ข้ามอ้างอิง]

38 จาง JT, เหยา YW, โปเตนซามินนิโซตา, เซี่ยซีซี, ลานเจ, หลิวแอล, และคณะ . การเปลี่ยนแปลงสถานะของระบบประสาทของการพักผ่อนและการเปลี่ยนแปลงหลังจากการแทรกแซงพฤติกรรมความอยากรู้อยากเห็นสำหรับความผิดปกติของเกมบนอินเทอร์เน็ต ตัวแทน Sci (2016) 6: 28109 10.1038 / srep28109 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

39 Wang Y, Zhu J, Li Q, Li W, Wu N, Zheng Y, และคณะ . เปลี่ยนวงจร fronto-striatal และ fronto-cerebellar ในผู้ติดเฮโรอีน: การศึกษา FMRI ที่พักพิง กรุณาหนึ่ง (2013) 8: e58098 10.1371 / journal.pone.0058098 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

40 Volkow ND, วัง GJ, Tomasi D, Baler RD วงจรประสาทที่ไม่สมดุลในการติด Curr Minnes Neurobiol (2013) 23: 639 – 48 10.1016 / j.conb.2013.01.002 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

41 จิน C, จาง T, Cai C, Bi Y, Li Y, Yu D, และคณะ . คอร์เทกซ์ prefrontal ผิดปกติพักการเชื่อมต่อสถานะการทำงานและความรุนแรงของความผิดปกติของเกมอินเทอร์เน็ต Behav การถ่ายภาพสมอง (2016) 10: 719 – 29 10.1007 / s11682-015-9439-8 [PubMed] [ข้ามอ้างอิง]

42 Seminowicz DA, Shpaner M, Keaser ML, Krauthamer GM, Mantegna J, Dumas J. A, et al. . การบำบัดด้วยความรู้ความเข้าใจพฤติกรรมเพิ่มเรื่องสีเทาเยื่อหุ้มสมอง prefrontal ในผู้ป่วยที่มีอาการปวดเรื้อรัง J Pain (2013) 14: 1573 – 84 10.1016 / j.jpain.2013.07.020 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

43 Jiang GH, Qiu YW, Zhang XL, Han LJ, Lv XF, Li LM, และคณะ . ความผิดปกติของความถี่ต่ำสั่นกว้างในผู้ใช้เฮโรอีน: การศึกษา fMRI รัฐพัก Neuroimage (2011) 57: 149 – 54 10.1016 / j.neuroimage.2011.04.004 [PubMed] [ข้ามอ้างอิง]

44 Ding WN, Sun JH, Sun YW, Chen X, Zhou Y, Zhuang ZG และคณะ . ลักษณะแรงกระตุ้นและฟังก์ชั่นการยับยั้งแรงกระตุ้น prefrontal บกพร่องในวัยรุ่นที่ติดยาเสพติดเกมอินเทอร์เน็ตเปิดเผยโดยการศึกษา fMRI Go / No-Go Behav สมองฟังก์ชั่น (2014) 10: 20 10.1186 / 1744-9081-10-20 [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]

45 Cai C, หยวน K, Yin J, Feng D, Bi Y, Li Y, และคณะ . Striatum morphometry มีความสัมพันธ์กับการขาดการควบคุมความรู้ความเข้าใจและความรุนแรงของอาการในการเล่นเกมทางอินเทอร์เน็ต Behav การถ่ายภาพสมอง (2016) 10: 12 – 20 10.1007 / s11682-015-9358-8 [PubMed] [ข้ามอ้างอิง]

46 Yoshimura S, Okamoto Y, Onoda K, Matsunaga M, Okada G, Kunisato Y, และคณะ . การบำบัดพฤติกรรมทางปัญญาสำหรับการเปลี่ยนแปลงภาวะซึมเศร้าอยู่ตรงกลาง prefrontal และ ventral anterior cingulate cortex กิจกรรมที่เกี่ยวข้องกับการประมวลผลอ้างอิงตนเอง Soc Cogn Affect Neurosci (2014) 9: 487 – 93 10.1093 / สแกน / nst009บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]