公共科学图书馆之一。 2013 Nov 4;8(11):e78708.
doi:10.1371 / journal.pone.0078708。 eCollection 2013。
袁凯1, 金C, 程鹏, 杨X, 董拓, 毕Y., 邢璐, von Deneen KM, 俞D., 刘杰, 梁杰, 程T., 秦伟, 田杰.
抽象
大多数先前的神经影像学研究已经证明了具有在线游戏成瘾(OGA)的青少年的结构和任务相关的功能异常。 然而,很少有功能性磁共振成像(fMRI)研究侧重于静息状态下血氧水平依赖性(BOLD)自发波动的区域强度,较少研究调查异常静息状态特性与认知控制受损之间的关系。能力。 在本研究中,我们采用低频波动(ALFF)方法的幅度来探讨OGA青少年和休息状态下健康对照的自发性大脑活动的局部特征。 18名青少年OGA和18年龄,教育和性别匹配的健康志愿者参加了这项研究。 与健康对照组相比,OGA青少年左侧内侧眶额皮质(OFC),左前叶,左侧辅助运动区(SMA),右侧海马旁回(PHG)和双侧中间扣带的ALFF值显着增加。皮质(MCC)。 在先前的成瘾研究中也检测到这些区域的异常。 更重要的是,我们发现左侧内侧OFC和左侧前叶的ALFF值与OGA青少年的OGA持续时间呈正相关。 左内侧OFC的ALFF值也与颜色词Stroop测试性能相关。 我们的结果表明,这些区域的异常自发神经元活动可能与OGA的潜在病理生理学有关。
介绍
在线游戏成瘾(OGA)被定义为互联网的适应不良使用以及个人无法控制他/她对互联网的使用,互联网被归类为一种类型的冲动控制障碍 [1]–[3]。 来自中国青少年互联网协会(2月2,2010)的数据显示,中国城市青少年的OGA发病率约为14%。 作为中国青少年常见的心理健康问题之一,OGA与个人心理健康受损,学业失败和工作绩效下降有关。 [4],目前正在成为世界各地青少年越来越严重的健康问题 [5], [6]。 虽然OGA尚未在精神病理学框架内正式编纂,但OGA青少年的大量研究揭示了眶额皮质(OFC),辅助运动区(SMA),扣带皮层,海马旁回(PHG),背外侧前额叶皮层的结构和功能异常。 (DLPFC),前躯,颞回,脑岛和小脑 [1], [2] 这些地区的异常与许多成瘾研究中的药物滥用有关 [7],可能与OGA青少年认知控制,执行控制,渴望,奖励敏感度,目标导向行为和工作记忆功能障碍有关 [1].
虽然OGA会造成个人和社会负担,但目前OGA尚无标准化治疗方法 [8]。 中国的诊所实施了严格的时间表,严格的纪律和电击治疗,并因这些治疗方法而臭名昭着 [4]。 开发干预和治疗OGA的有效方法需要清楚地了解这种情况的潜在机制。 迄今为止,大多数OGA研究都集中在检测OGA患者的结构缺陷和任务相关功能障碍,这有助于评估OGA的神经机制。 然而,很少有研究评估静息状态期间OGA区域自发活动的血氧水平依赖性(BOLD)信号变化。 作为一种非侵入性方法,静息状态功能磁共振成像(fMRI)已被用于研究BOLD信号中的自发低频波动(LFF),这避免了与性能相关的混淆并且可以反映大脑中的自发性神经活动 [9], [10]。 此外,静息状态fMRI方法已广泛用于揭示大脑的内在典型和非典型功能结构 [10]。 静息状态下的异常神经元活动可以作为反映多种脑疾病的进展和受损执行功能的适当标记。
最近,刘等人。 采用区域同质性(ReHo)方法,发现OGA患者右侧扣带回,双侧副海马体,左侧前叶和左额上回的ReHo值显着增加。 [11]。 无论强度如何,ReHo方法都反映了区域LFF的时间同质性,并且基于空间相邻体素应具有相似时间模式的假设 [12]。 虽然LFF(ALFF)的幅度被认为与局部神经元活动有关,但OGA中ALFF变化的基础仍不清楚 [13]。 此外,刘等人。 [11] 没有研究异常静息状态特性与OGA持续时间之间的关系。 为了进一步研究OGA青少年的静息状态异常,在本研究中采用ALFF方法,并收集OGA持续时间的数据。 此外,研究人员使用颜色词Stroop任务检测了OGA青少年的认知控制能力受损 [14], [15]。 因此,本研究中的行为评估是对颜色词Stroop任务的表现。 神经影像学发现与已知在OGA中受影响的明确定义的行为指数的联系将进一步指出这些发现对OGA的重要性。
材料和方法
所有研究程序均经华西医院人类研究小组委员会批准,并按照赫尔辛基宣言进行。 我们研究中的所有参与者及其监护人都给出了书面知情同意书。
主题
根据Beard和Wolf的OGA标准修订的年轻诊断问卷(YDQ) [8], [16]20名OGA学生被165新生和大二学生过滤掉了。 OGA的十八名青少年(12男性,平均年龄= 19.4±3.1年,教育13.4±2.5年)参加了我们的研究,排除了两名左撇子球员。 为了研究大脑结构是否有任何线性变化,通过回顾性诊断估计疾病的持续时间。 当他们最初沉迷于他们的主要在线游戏,即魔兽世界(WOW)时,我们要求受试者回忆起他们的生活方式。 为了保证他们患有OGA,我们用Beard and Wolf修改的YDQ标准重新测试它们。 通过电话以及室友和同学与父母交谈,也证实了OGA科目的自我报告的可靠性。
18名年龄和性别匹配的健康对照(12男性和6女性,平均年龄= 19.5±2.8年,教育13.3±2.0年),没有精神疾病的个人或家族史也参与了我们的研究。 根据之前的OGA研究,我们选择健康对照者,他们每天在互联网上花费的时间少于2小时 [4]。 还使用Beard和Wolf修改的YDQ标准测试健康对照以确保它们没有患有OGA。 筛选出来的所有被招募的参与者都是当地的右撇子中国人,并通过个人自我报告和爱丁堡对峙问卷进行评估。 两组的排除标准是1)神经障碍的存在,通过精神疾病诊断和统计手册的结构化临床访谈评估,第四版(DSM-IV); 2)通过尿液药物筛选的酒精,尼古丁或药物滥用; 3)女性怀孕或月经期; 和4)根据临床评估和医疗记录评估的任何身体疾病,如脑肿瘤,肝炎或癫痫。 汉密尔顿焦虑量表(HAMA)和贝克抑郁量表(II)(BDI)用于评估前两周所有参与者的情绪状态。 更详细的人口统计信息在 表1.
行为数据收集
根据之前的一项研究 [17],颜色词Stroop任务设计是使用E-prime 2.0软件实现的(http://www.pstnet.com/eprime.cfm)。 该任务采用了具有三个条件的块设计,即一致,不一致和休息。 三种颜色,红色,蓝色和绿色以三种颜色(红色,蓝色和绿色)显示为全等和不一致的刺激。 在休息期间,在屏幕的中央显示十字架,并且要求受试者将眼睛固定在该十字架上而不作出响应。 将所有事件编程为具有不同序列的全等和不一致块的两次运行。 通过用右手按下Serial Response Box™上的按钮,指示每个参与者尽可能快地响应显示的颜色。 索引,中指和无名指的按键分别对应红色,蓝色和绿色。 当他们处于平静的心态时,参与者在一个安静的房间里进行单独测试。 在最初的练习之后,在MRI扫描之前两三天收集行为数据。
MRI数据采集
所有fMRI研究均在3-T GE扫描仪(EXCITE,GE Signa,Milwaukee,WI,USA)上使用标准鸟笼头线圈作为八通道相位阵列头部线圈在中国成都华西MR研究中心进行。 泡沫垫用于减少头部运动和扫描仪噪音。 在常规定位器扫描之后,获得T1加权图像,其具有损坏的梯度调用序列(重复时间(TR)= 1900ms;回波时间(TE)= 2.26ms;翻转角(FA)= 9°;视野( FOV)= 256×256 mm2; data matrix = 256×256; 切片= 176; 体素尺寸= 1×1×1 mm3)。 然后,使用回波平面成像序列(TR = 2000ms; TE = 30ms; FA = 90°; FOV = 240×240 mm)获取静止状态功能图像。2; 在一次六分钟的运行中,具有64轴向切片(切片厚度= 64 mm且无切片间隙,总体积= 32)的数据矩阵= 5×180)。 指示受试者闭上眼睛,保持静止,并且在扫描期间不要系统地考虑任何事情。 在数据采集结束时,所有受试者确认他们在整个扫描期间保持清醒。
数据预处理和ALFF计算
所有功能图像处理均使用统计参数映射(SPM5, http://www.fil.ion.ucl.ac.uk/spm)用于静止状态fMRI(DPARSF)软件的软件和数据处理助手 [18]。 对于每个参与者,丢弃前十个时间点以避免在磁化达到稳定状态之前的瞬时信号变化并且允许受试者习惯于fMRI扫描环境。 剩余的170脑容量针对切片定时进行校正,并针对头部运动校正进行重新校准。 没有受试者头部运动超过1 mm移动或1°旋转任何方向。 然后,将所有重新排列的图像在空间上标准化为蒙特利尔神经学研究所(MNI)EPI模板,重新采样为3 mm各向同性体素,然后进行空间平滑(半峰全宽= 8 mm)。 之后,通过调用Resting-state fMRI数据分析工具包中的函数(REST, http://rest.restfmri.net),线性趋势消除和带通滤波(0.01-0.08 Hz),用于降低低频漂移和高频生理噪声的影响 [18] 在时间序列上进行。
在预处理之后,通过调用REST中的函数(如先前的研究中),使用DPARSF执行ALFF计算 [19]。 首先,为了获得功率谱,使用快速傅里叶变换(FFT)将滤波的时间序列变换到频域。 然后,针对每个频率数据点获得功率谱的平方根,以产生作为频率的函数的幅度。 在每个体素的0.01-0.08 Hz上平均的这些值用作ALFF值。 因此,该平均平方根被用作ALFF值。 将每个体素的ALFF除以每个受试者的全脑掩模内的全局平均ALFF值,得到每个体素的标准化ALFF,其具有约1的值。
统计分析
为了评估OGA组和对照组在年龄,性别,疾病持续时间和受教育年限方面的差异,双样本 t- 使用SPSS 13.0和a进行测试 p> 0.05被认为无关紧要。 要探索哪些区域的ALFF值不同于1,一个样本 t- 测试(p在每个组中使用SPM0.05进行<5,校正了家庭误差(FWE)。 然后,两个样本 t在控制年龄和性别后,进行测试以阐明两组之间的ALFF差异。 使用蒙特卡罗模拟进行多重比较的校正。 校正的阈值 p<0.05来自于 p每个体素<0.005,并且最小簇大小为351 mm3 (AFNI软件中的AlphaSim程序,http:// afni.nimh.nih.gov/)。 对于OGA患者显示异常ALFF特性的大脑区域,每个区域的ALFF值被提取,平均并且对照由疾病持续时间和颜色词Stroop任务表现反映的病理指标回归。
成果
我们的结果表明,在我们的小样本调查中,OGA的比率约为12.1%。 根据他们对互联网使用的自我报告,OGA受试者每天花费10.2±2.6小时和在线游戏每周花费6.3±0.5天。 OGA的青少年每天在互联网上花费的时间比控制更多,每周花费更多的时间(p<0.005)(表1).
行为数据结果
两组均显示出显着的Stroop效应,其中反应时间在不一致的情况下比全等条件更长(OGA:677.3±75.4 ms对比581.2±71.6 ms和对照:638.3±65.9 ms对比549.0±50.6 ms; p<0.005)。 在不一致的情况下,OGA组比对照组犯了更多的错误(8.56±4.77 vs 4.56±2.93; p<0.05),尽管在不一致条件下减去一致条件下通过反应时间(RT)测得的响应延迟在两组之间没有显着差异(98.2±40.37 ms与91.92±45.87 ms; p > 0.05)。
成像数据结果
OGA组和对照组的ALFF图显示在 图。 1两组在休息状态下均显示出后扣带皮层(PCC)/前躯,内侧前额叶皮层(MPFC)和双侧下顶叶(IPL)的ALFF值显着增高。 在以前的研究中,这些区域主要包含在默认模式网络中 [19]。 一个双样本 t-控制年龄和性别的测试并校正了多个比较(使用最小簇尺寸的蒙特卡罗模拟,从每个体素的未校正阈值p <0.05产生校正阈值p <0.005),OGA组显示出显着增加与对照组相比,左内侧OFC,左早突,左SMA,右PHG和双侧MCC的ALFF值降低。 没有发现ALFF值降低的大脑区域。 此外,在内侧OFC中,OGA的持续时间与标准ALFF值之间存在显着正相关(r = 0.6627, p = 0.0027)和左侧早孕(r = 0.5924, p = 0.0096)(图。 2)。 发现左侧OFC的ALFF值与OGA青少年在不一致情况下的反应错误数相关(r = 0.6690, p = 0.0024)(图。 3)。 因为OGA受试者具有由BDI测量的显着更高的抑郁评级,所以我们使用BDI作为协变量重新分析功能成像数据。 结果数据与原始数据类似。 我们还测试了BDI得分是否与异常脑区域的ALFF值,OGA的持续时间和颜色词Stroop任务性能相关。 但是,没有观察到显着的结果。
讨论
在目前的研究中,ALFF方法用于研究OGA患者和正常对照之间的静息状态差异。 ALFF是一种简单而有说服力的方法来测量BOLD信号中低频波动的幅度,之前的研究表明该方法能够精确定位哪个脑区有异常的自发活动。 [13]。 在每组中,我们发现一些区域在休息状态下表现出比其他大脑区域显着更高的ALFF值(图。 1)。 这些区域与默认模式网络(DMN)的主要区域广泛重叠 [20]。 关于这两个样本 t测试结果相对于健康对照,OGA青少年在休息状态下左侧内侧OFC,左侧前叶,左侧SMA,右侧PHG和双侧MCC中ALFF增加(图。 2)。 值得注意的是,OGA受试者在BDI上具有显着更高的抑郁评级,然而,包括BDI作为协变量的分析揭示了类似的结果。 此外,左侧内侧OFC和前列腺的ALFF值与OGA的持续时间呈正相关(图。 2)。 此外,为了验证OGA青少年受损的认知控制能力,我们的研究中使用了颜色词Stroop测试。 与先前的调查结果一致 [14], [15]在不一致的情况下,OGA组犯了比对照组更多的错误,这表明OGA青少年的认知控制能力受损,通过颜色词Stroop测试来衡量。 有趣的是,左侧OFC的ALFF值也与OGA青少年在不一致情况下的错误数量相关(图。 3)。 我们的结果表明,OFC中的ALFF变化可以作为反映OGA受损的认知控制能力的生物标志物。
在本研究中,我们发现OGA组左侧内侧OFC的ALFF值增加。 在解剖学上,OFC与纹状体和边缘区域(例如杏仁核)有广泛的联系,这些区域似乎通过评估刺激的动机意义和选择行为来获得所需的目标导向行为的认知控制。结果。 在先前的研究中已经报道了OFC的OGA结构异常和功能障碍 [4], [11], [15]。 Park等。 用了一个 18F-fluorodeoxyglucose正电子发射断层扫描(PET)研究调查OGA和正常对照年轻人静息状态下的局部脑葡萄糖代谢,并显示与正常对照相比,OGA青少年的OFC代谢活动增加 [21]。 该分析表明,OFC区域的异常代谢活动可能与OGA青少年的冲动控制和奖励处理受损有关。 关于与任务相关的功能性MRI研究,Ko等人。 通过评估与线索引起的游戏冲动相关的大脑区域,确定了在线游戏成瘾的神经基质,并发现与对照组相比,OFC可能在成瘾者中异常激活 [22]。 这一发现与物质依赖中的线索引起的渴望相似 [23]这表明对游戏成瘾的渴望和对物质依赖的渴望可能具有相同的神经生物学机制。 先前的结构性神经影像学研究也报道了OGA组中OFC的灰质体积减少 [1], [4]。 根据这些功能和结构发现,我们的研究发现,与对照组相比,OGA青少年内侧OFC的ALFF值更高。 此外,在OGA组中观察到OFC的ALFF值与颜色词Stroop测试期间的任务性能之间的显着相关性(图3)。 之前的成瘾研究揭示了可卡因成瘾受试者中OFC中Stroop干扰与相对葡萄糖代谢之间的关联 [24]。 这种脑 - 行为关系表明,OFC的异常静息状态特性与OGA青少年的认知控制能力受损有关。
与对照相比,OGA受试者的前体中ALFF值更大。 前躯是顶叶后内侧皮质的脑区,在基础认知功能中起重要作用 [25]。 已经提出前体参与情景记忆检索,视觉空间图像,自我处理和意识 [25]。 最近,一些研究人员还报道了与对照组相比,OGA大学生左前叶的ReHo增加 [11]。 此外,一项研究表明,前躯与OGA的游戏冲动,渴望和严重程度相关,并暗示前躯激活以处理游戏提示,整合回收的记忆并有助于提示在线游戏提示 [26]。 因此,我们认为OGA青少年前躯体的静息状态异常可能与长期OGA的渴望有关。
在左侧SMA,双侧MCC和右侧PHG中也发现了相对于对照的OGA受试者中更高的ALFF值。 SMA在认知控制,自愿行动,启动/抑制运动反应中起重要作用 [27] 还有情绪冲突 [28]。 MCC是扣带回的中间部分,对冲突监测和处理至关重要 [29]。 以前的物质使用研究报告了SMA和MCC的成瘾相关的静息状态异常 [30], [31]。 PHG被认为有助于工作记忆中绑定信息的形成和维护 [32]。 工作记忆是指信息的临时存储和在线操作,对于认知控制也是至关重要的 [33]。 刘等人。 据报道,与对照组相比,OGA大学生双侧PHG的ReHo增加 [11]。 此外,一些研究人员还发现OGA受试者中PHG的分数各向异性较低 [4]。 我们的结果证实了OGA青少年PHG的异常静止状态模式。
总之,在本研究中,我们观察到与对照相比,OGA青少年ALFF异常,即左侧内侧OFC,左侧前叶,左侧SMA,右侧PHG和双侧MCC中ALFF值较高。 我们还观察到左侧内侧OFC和左侧前叶的较高ALFF值与OGA的持续时间正相关。 左OFC的ALFF值与OGA组中的颜色词Stroop任务性能(即响应错误)相关。 我们的研究结果表明,这些区域的异常自发活动可能反映了OGA使用者的潜在病理生理学。 由于类似的静息状态发现与药物成瘾相关的静息状态变化,我们建议OGA可能与药物成瘾共享神经机制。 值得注意的是,在解释当前研究中的神经影像学发现时,抑郁症应被视为潜在的混淆。 需要进一步的全面研究,以提供有关OGA的更多科学观点。
资金声明
本文由国家重点基础研究与发展计划(973)项目资助,编号为2011CB707700; 国家自然科学基金,批准号为81227901,81271644,81271546,30930112,81000640,81000641,81101036,81101108,31200837,81030027,81301281; 中央大学基础研究基金,内蒙古自然科学基金,编号为2012MS0908。 资助者在研究设计,数据收集和分析,决定发表或准备手稿方面没有任何作用。
参考资料