网络成瘾分子研究的情感神经科学框架(2016)

面前。 Psychol。,16十二月2016 | https://doi.org/10.3389/fpsyg.2016.01906

  • 1德国乌尔姆乌尔姆大学心理学与教育研究所
  • 2中国电子科技大学生命科学与技术学院神经信息/医学信息中心重点实验室,中国成都
  • 3华盛顿州立大学兽医学院综合生理学和神经科学系,美国华盛顿州普尔曼市

网络成瘾代表了一个新兴的全球健康问题。 已经做出越来越多的努力来描述网络成瘾发展的风险因素以及过度使用互联网的后果。 在过去几年中,考虑到人格变量作为脆弱性因素的心理学的经典研究方法,尤其是与脑成像等神经科学方法相结合,导致了网络成瘾的连贯理论概念化。 尽管这些概念化可能是有价值的帮助,但研究领域目前缺乏用于确定网络成瘾的基于脑的和神经化学标记的综合框架。 目前的工作旨在提供分子水平的框架,作为未来神经和行为水平研究的基础,以促进网络成瘾的综合神经生物学模型及其临床症状学。 为了帮助建立这样一个研究网络成瘾的分子框架,我们进行了调查 N = 680参与者通过广义问题互联网使用量表-2(GPIUS-2)测量的网络成瘾倾向的个体差异与由情感神经科学人格量表(ANPS)评估的主要情绪系统的个体差异之间的关联。 回归分析显示,ANPS量表FEAR和SADNESS是ANPS量表与GPIUS-2的几个(子)量表最强有力地正相关。 此外,SEEKING,CARE和PLAY的比例解释了某些GPIUS-2分量表中的差异。 因此,这些尺度与GPIUS-2分量表负相关。 由于ANPS是基于大量可用的大脑数据构建的,包括关于古代哺乳动物大脑中进化高度保守的情绪回路的广泛分子体,本研究首先提出了关于网络成瘾的不同方面的推定分子机制的第一个想法。在互联网成瘾倾向和主要情绪系统的个体差异之间。 例如,由于SADNESS与整体GPIUS-2评分相关,并且已知神经肽催产素下调SADNESS,可以想象神经肽可能在分子水平上在互联网添加中起作用。 我们的研究结果提供了一个理论框架,潜在地阐明了网络成瘾的分子基础。 最后,我们还将在本文末尾提供有关ANPS和智能手机成瘾的数据。 与报告的ANPS和GPIUS-2之间的关联类似,这些相关性可能为指导未来研究的框架提供初步纲要,旨在解决智能手机成瘾的分子基础。

介绍

互联网极大地改变了我们的生活方式,轻松地进入未知领域,与亲人进行有效沟通,促进专业联系,从而促进与全球调查人员的协作科学。 据Internetworldstats(Internetworldstats,201616月49.2的互联网使用参与率为2016%,目前世界人口的一半已经接入互联网。 尽管由于数字革命带来了许多优势,但许多科学家越来越关注过度使用互联网对我们心理健康造成的潜在有害影响(参见概述 Montag和Reuter,2015a).

虽然尚未正式诊断,但该术语 网络成瘾 多年前由20创造的 年轻(1996, 1998a)。 沉迷于互联网,不上网时退缩,宽容,以及由于过度使用而对自己的生活造成负面影响等症状正在成为重要的问题(例如, Tao等人,2010)。 请注意,一些研究人员更喜欢使用有问题的互联网而不是网络成瘾这一术语,但术语问题仍然没有得到解决。 除了这些条款,其他人提出了数字成瘾等术语(Thenu和Keerthi,2013; Ali等人,2015)或网络成瘾进一步使对此问题的清晰讨论复杂化(例如, Billieux,2012; Suissa,2013).

在这里,我们选择在整个文本中使用术语“网络成瘾”,因为它最常用于文献中,看起来最直接。 事实上,来自心理学和神经科学研究的越来越多的证据已经为物质使用障碍(如酒精中毒)与过度使用互联网之间的一些相似性提供了支持,从而促使过度使用互联网的观点确实被称为行为成瘾。 例如,特定的人格特质已被确定为网络成瘾和物质使用障碍,特别是低自我导向性和高神经质的脆弱因素(例如, Basiaux等,2001; Montag等,2010, 2011a; Sariyska等,2014)。 此外,神经影像学研究确定了常见的神经生物学改变,包括前扣带皮层(ACC)中灰质体积/密度降低或纹状体对药物相关线索的过度反应(Goldstein等人,2009; 周等人,2011; Montag等,2015a)。 除了网络成瘾和有问题的酒精消费之间的关联(Ko等人,2008; Yen等人,2009),与其他神经病理学疾病,特别是抑郁症和注意力缺陷多动障碍(ADHD)的关联已被报道(Young和Rogers,1998; Ha等人,2006; Yen等人,2007; Sariyska等,2015)。 因此,从各种角度来看,已观察到物质使用障碍与网络成瘾之间的重叠。 例如,导致网络成瘾的发展和维持的机制与其他形式的成瘾具有可比性,共享皮层下系统,如多巴胺介导的中边缘轨迹(皮尔斯和库马雷桑,2006),作为共享基质,很好地理解为调解所有药物成瘾,但还有其他观点。 这些将在以下理论框架中进一步阐述。

依靠已经注意到的结果,已经提出了越来越多的理论框架来理解网络成瘾。 一个重要的早期框架源于此 戴维斯(2001)。 他的框架的核心是压力 - 素质模型的经典理念,表明精神病理学的历史与互联网的访问以及通过互联网的积极强化相结合可能导致适应不良的认知,例如“在网络世界中我是一个成功的人,但在离线世界,我是一个无人“。 这种潜在的妄想思想通常通过丰富的在线交互来加强(例如,在线计算机游戏取得成功或通过Facebook或WhatsApp等在线社交沟通渠道通过有趣或善意的消息获得即时奖励)。 这种迭代机制可能导致网络成瘾的一般形式或在诸如在线社交网络,互联网游戏,在线购物,在线赌博或在线色情等领域中的过度互联网使用的不同形式。 区分这些不同形式的重要性已得到跨文化研究中的经验证据的支持(Montag等,2015b)。 值得注意的是,DSM-5的最新发展导致将第III部分中的互联网游戏紊乱一词列为新兴疾病(Petry和O'Brien,2013)。 鉴于在“网络成瘾”的广泛保护下,各种成瘾行为的证据越来越多,也许单一类别的观点相当狭隘。

除了描述的心理学理论框架 戴维斯(2001),其他更基于神经科学的模型已被提出。 最近的一个模型 Brand等。 (2014) 突出了网络成瘾的纹状体 - 边缘 - 边缘电路中的功能障碍,这可能是理解系统神经科学水平上过度使用互联网的神经生物学基础的关键。 当互联网成瘾者面临互联网相关线索时,来自纹状体区域的强烈多巴胺能突发以及前额叶顶部下调受损(背外侧前额叶皮质中的执行功能受损以及ACC中的监测过程)可能逐渐导致失去控制通过互联网使用。 一个名为I-PACE(人 - 情感 - 认知 - 执行的相互作用)的新的心理生物学模型也被提出来了。 Brand等。 (2016b),这将在我们在讨论中的发现的背景下集中。 Dong和Potenza(2014) 提出了另一种模式,但相当狭隘地关注互联网游戏紊乱,本文不会详细讨论; 我们请读者阅读Dong和Potenza的原始手稿。

尽管对于涉及网络成瘾的大脑结构已经知道很多,但对于潜在的大脑(功能障碍)功能的分子基础知之甚少。 一些研究已经证明了一些与分子遗传标记的联系(概述见 Montag和Reuter,2015a,b并且还提出了精神药理学方法(见概述) Camardese等,2012, 2015)。 其中,这些研究证实了多巴胺能和5-羟色胺能系统在网络成瘾中的作用,当然多巴胺也与所有成瘾有关。 例如,精神药理学研究发现,选择性5-羟色胺再摄取抑制剂(SSRIs)的使用可能有助于治疗网络成瘾患者(Atmaca,2007)。 特别是,与网络成瘾的多巴胺能联系最受关注,因为已发现纹状体区域的多巴胺能爆发伴随着渴望过程(并且接近所有奖励的动机,包括药物)。 这可能导致多巴胺受体下调,就像酒精成瘾一样(Volkow等人,2002),低多巴胺2 在正电子发射断层扫描(PET)研究的网络成瘾者中观察到受体密度(Kim等人,2011; Hou等人,2012)以及研究调查互联网成瘾者的基因组成的研究[Han等人,2007; 另见双胞胎研究 哈恩等人。 (2017)Vink等人。 (2015)]。 此外,另一项研究显示CHRNA4基因的遗传变异与特质焦虑和吸烟有关,也与网络成瘾有关(Montag等,2012a)。 该基因是大脑胆碱能通路的组成部分。

尽管有这些最初的发现,但网络成瘾的分子基础仍未得到充分研究,因此对其了解甚少。 因此,目前无论是可靠的框架还是未来研究的明确路线图。 为此,本概述旨在提供这样一个框架,特别是关注潜在的分子机制,以发展和维持网络成瘾。 为了促进这样一个框架,我们将集中讨论本概述中两个可能最有用的轨迹。

首先,我们提供有关主要情绪系统如何与网络成瘾的不同方面相关联的数据。 通过一份名为的自我报告调查问卷评估主要情绪系统的个体差异 情感神经科学个人量表 (ANPS) 戴维斯等人。 (2003) 在目前的研究中。 据我们所知,此调查问卷尚未用于网络成瘾调查。 与来自人格心理学的经典问卷相比,这些问卷来源于词汇方法(例如,突出的人格因素/五大因子模型),ANPS已经建立在主要皮质下的跨物种情感神经科学(AN)研究上。情绪系统(Panksepp,1998b),似乎在哺乳动物的大脑中高度保守(戴维斯和潘克塞普,2011).

简而言之,通过对哺乳动物大脑的深度电刺激和神经化学特定的药理学挑战,AN方法已经确定了至少七种主要的情绪系统,这些系统被标记为寻求,关心,放松和玩耍(调解积极情绪)和FEAR,SADNESS(又名恐慌)和ANGER(又名RAGE)(作为主要的负面情绪)正在以自下而上的方式驱动哺乳动物的无条件行为和相关的影响和学习。 这些古老的情感电路代表了生存的工具,并已根据其潜在的大脑系统进行了广泛的绘图(Panksepp,1998b, 2005; Panksepp和Biven,2012)。 对于目前的研究工作尤其重要的是,关于它们潜在的神经递质,特别是特定的神经肽活性,也知道很多。

由于ANPS之前尚未在网络成瘾的背景下进行调查,基于目前的研究状况,很难提出具体的假设,特别是关于症状水平的潜在关联,如广义问题的情绪调节。 Internet使用Scale-2(GPIUS-2)。 但是,鉴于大量的研究将人格(例如,外向或神经质)方面的积极/消极情绪的个体差异与网络成瘾联系起来(参见概述 Montag和Reuter,2015b),可以预期积极情绪与GPIUS-2评分呈负相关,而阴性初级情绪的较高分数应与GPIUS-2的较高分数相关联。

因此,其次,本研究试图运用情感神经科学(AN)方法来理解人类情感(Panksepp,1998b)研究网络成瘾。 这样做如下:如上所述,使用ANPS评估原发性情绪系统的个体差异,同时使用广义问题因特网使用量表-2(GPIUS-2)评估网络成瘾的个体差异。 卡普兰(2010)。 我们决定部署GPIUS-2调查问卷来评估网络成瘾(而不是经典和重要的清单,例如Young的网络成瘾测试, 年轻,1998b),因为GPIUS-2为有问题的在线使用行为的不同方面提供了独特的见解,例如(i)对在线社交互动与真实社交互动的偏好,(ii)对互联网的认知关注,(iii)强制性的互联网使用, (iv)因使用互联网而导致的情绪调节或(v)因过度使用而导致的负面结果。 然后使用主要情绪系统和网络成瘾的不同方面之间的关联来对哺乳动物的大脑情绪系统进行分类,直接研究哺乳动物的大脑(Panksepp,1998b与网络成瘾的各个方面。

材料和方法

参与者成员

N = 680参与者(212男性,468女性;年龄: M = 23.64, SD = 6.02来自填写在问卷ANPS和GPIUS-2中的乌尔姆基因脑行为项目。 大多数参与者都是学生。 所有参与者均提供知情同意 该研究得到了德国乌尔姆乌尔姆大学伦理委员会的批准(有关伦理委员会的信息如下: https://www.uni-ulm.de/einrichtungen/ethikkommission-der-universitaet-ulm.html).

问卷调查

ANPS发布者 戴维斯等人。 (2003,也看 戴维斯和潘克塞普,2011) 由110项目组成,评估七种主要情绪中的六种。 积极情绪是寻求,关心,玩耍,负面情绪是恐惧,悲伤和愤怒。 LUST没有被评估,因为这里以社会期望的方式回答的倾向可能导致有偏见的答案,对其他尺度的反应具有潜在的遗留效应。 每个主要情绪用14项目评估,使用四点李克特量表,范围从完全不同意(1)到完全同意(4)。 另一个维度被称为灵性,由于其在成瘾治疗中的潜在重要性而被包括在内。 我们不关注这种规模,而是在结果部分报告结果。 问卷的德语版本已经使用过(例如,通过 Sindermann等,2016; 在本研究中,ANPS已在2D:4D标记物的背景下进行了研究,作为产前睾酮的指标,参与者在很大程度上重叠。 本样本中的内部一致性如下:寻找α= 0.714,护理α= 0.811,播放α= 0.803,恐惧α= 0.877,ANGERα= 0.816,SADNESSα= 0.737,灵性α= 0.846。 SEEKING描述了对解决问题感兴趣的人,对新体验持开放态度,喜欢探索新事物以及通常好奇/好奇的人。 CARE描述了喜欢和孩子和幼小的宠物在一起的人,感到心软,喜欢照顾他人,尤其是病人。 CARE高的人通常也喜欢别人需要的感觉。 与更认真的态度相比,PLAY量表是有趣的。 它还可以捕捉人们是否喜欢通过身体接触玩游戏并享受幽默和欢笑。 在这种规模上得分高的人通常更有趣,快乐和快乐。 FEAR被定义为感到焦虑和紧张,担心很多并且反复探讨可能有害的生活问题,包括由于担忧而通常没有勇气而失眠的倾向。 如果一个人在SADNESS中得分很高,那么这个人被描述为感到孤独,经常思考亲人/过去的关系以及单独时感到痛苦。 通常这些人经常会哭。 在ANGER中得分较高的人通常是头脑发热,容易受到刺激和沮丧(这通常会导致愤怒情绪,这可能会持续存在并且可能是口头或身体表达的)。 灵性的尺度是关于与人类和创造有关的感觉,以及为内心的和平与和谐而奋斗(戴维斯等人,2003).

ANPS已成功连接到包括杏仁核体积在内的几个生物学变量(Reuter等,2009),分子遗传学(Felten等,2011; Montag等,2011b; Plieger等,2014),2D:4D标记作为产前睾酮的间接测量(Sindermann等,2016由于最近的一项双胞胎研究(以及最近的双胞胎研究),也可以获得遗传力估Montag等,2016)。 此外,最近的一些研究也揭示了ANPS测量的良好心理测量特性(和稳定性)(Pingault等,2012; Geir等,2014; Orri等人,2016)。 一些新研究也在临床背景下使用ANPS(Farinelli等人,2013; Karterud等,2016).

GPIUS-2 by 卡普兰(2010) 由15项目组成,用于评估网络成瘾的个体差异。 在本研究中,由所有15项目组成的完整分数的可靠性为α= 0.898。 此外,三个项目总是形成一个子量表,具有以下描述符,并在括号中报告内部一致性:偏好在线社交互动(α= 0.830),情绪调节(α= 0.854),认知专注(α= 0.726),强制性互联网使用(α= 0.877),负面结果(α= 0.872)(Caplan,2010; 页。 1093)。 我们注意到,也可以将强迫互联网使用和认知关注的尺度结合到称为缺陷自我调节的因素中。 为了更深入地了解与ANPS的关联,我们提供了更精细的数据级别。 德语版本之前已被使用过 蒙塔格等人。 (2015b).

统计分析

鉴于本样本的样本量较大,所有统计分析均采用参数测试(Bortz,2005)。 首先,我们通过使用来报告性别对GPIUS-2和ANPS的影响 T-测试。 此外,使用皮尔森相关性将年龄与所有变量相关联。 在随后的步骤中,将GPIUS-2和ANPS关联起来。 这些相关性也分别针对男性和女性提出。 如果年龄与任何变量相关联,则将年龄作为控制变量来报告部分相关性。 最后,进行了层次回归模型以预测总体GPIUS-2得分及其子量表。 在这些分析过程中,我们在第一个区域中调查了年龄,性别(虚拟编码:男性为“ 0”,女性为“ 1”)的影响,其后是第二个区域,其中包括相关的积极的主要情感。 第三块是相关的负面主要情绪。 相关的ANPS量表均为ANPS量表,它们与整个样本中各自的GPIUS-2量表显着相关。 将消极情绪插入第三部分的理由是基于这样的事实,即消极情绪在吸毒成瘾(尤其是晚期)中起着重要作用,并且我们预计即使在考虑了社会人口统计学和积极的主要情绪之后,消极影响应该能够解释GPIUS-2变量中方差的增加。

成果

性别和年龄对GPIUS-2和ANPS量表的影响

对于ANPS,在CARE量表上发现了性别的显着影响[t(678) = -13.44, p <0.001],恐惧[t(678) = -7.41, p <0.001],愤怒[t(678) = -3.15, p = 0.002],SADNESS [t(678) = -8.60, p <0.001]和灵性[t(678) = -2.63, p = 0.009]。 所有这些ANPS量表的女性得分都较高。 整体GPIUS-2量表的分数[t(678) = 3.63, p <0.001],以及在线社交互动的量表偏好[t(678) = 4.66, p <0.001],强迫性使用互联网[t(678) = 2.98, p = 0.003]和负面结果[t(678) = 5.10, p <0.001]的性别差异显着。 在所有这些量表中,男性得分均高于女性。 表中列出了整个样品以及男性和女性的所有量表的平均值和标准偏差 1, 2.

 
TABLE 1
www.frontiersin.org 
表1。 GPIUS-2的平均值和标准偏差在整个样本中进行,并按性别划分

 
 
TABLE 2
www.frontiersin.org 
表2。 ANPS在整个样本中的平均值和标准差,以及按性别划分

年龄与ANPS量表CARE显着相关(r = -0.12, p = 0.001),玩(r = -0.19, p <0.001),恐惧(r = -0.11, p = 0.006),SADNESS(r = -0.11, p = 0.005)和灵性(r = 0.11, p = 0.004)和GPIUS-2子量表情绪调节(r = -0.10, p 0.011)。

GPIUS-2与ANPS之间的部分相关性

由于发现了年龄与几个ANPS量表之间的相关性以及一个GPIUS-2量表,所有进一步的相关性分析都是使用部分相关性实现的。 年龄被实现为控制变量。

3 显示了ANPS量表与整个样本中GPIUS-2之间的部分相关性。 除情绪调节外,ANPS的量表SEEKING与GPIUS-2的几乎所有量表显着负相关。 CARE量表与整体GPIUS-2评分以及在线社交互动,强制性互联网使用和负面结果的分量表偏好显着负相关。 除强制性互联网使用外,ANPS的PLAY量表与GPIUS-2的所有量表显着负相关。 FEAR与所有GPIUS-2量表显着正相关。 ANGER与整体GPIUS-2评分,在线社交互动偏好,情绪调节和认知关注度显着正相关。 除了次级阴性结果外,SADNESS与所有GPIUS-2量表显着正相关(此处仅观察到趋势显着性, r = 0.08)。 灵性与任何GPIUS-2量表无关。 即使在校正多次测试(0.05 / 42 = 0.00119)之后,大多数相关性(特别是关于标度SEEKING和FEAR)仍然显着。

 
TABLE 3
www.frontiersin.org    

表3。 ANPS与GPIUS-2量表之间的部分相关性在整个样本中针对年龄进行了校正.

如表中所示 4在男性样本中,SEEKING和GPIUS-2量表具有强烈的负相关性。 只有SEEKING和情绪调节之间的相关性没有达到显着性。 CARE量表与GPIUS-2之间唯一显着的相关性与在线社交互动的子量表偏好呈负相关。 PLAY量表与所有GPIUS-2量表显着负相关。 关于FEAR与所有GPIUS-2量表之间的关联,所有相关性都是显着且积极的。 值得注意的是,即使在校正多次测试(0.05 / 42 = 0.00119)之后,除了与量表负面结果的相关性之外,所有这些相关性仍然显着。 ANGER量表与整体GPIUS-2评分和GPIUS-2分量表对在线社交互动,认知专注和强迫性互联网使用的偏好正相关。 ANGER与亚量表负面结果之间的相关性未显着(p = 0.13)。 对情绪调节的关联也是如此(p = 0.11)。 SADNESS量表与所有GPIUS-2量表显着正相关。 灵性量表再次与任何GPIUS-2量表没有显着相关性。

 
TABLE 4
www.frontiersin.org 
表4。 ANPS和GPIUS-2量表之间的部分相关性在男性子样本中针对年龄进行了校正

如表中所示 5除了情绪调节和女性样本中的强制性互联网使用外,SEEKING量表与所有GPIUS-2量表显着负相关。 CARE量表仅与在线社交互动和负面结果的偏好显着负相关。 ANPS的PLAY量表与整体GPIUS-2评分,在线社交互动偏好,认知偏好和负面结果显着负相关。 ANPS的FEAR和SADNESS量表与所有GPIUS-2量表显着正相关。 即使经过多次测试校正(2 / 2 = 0.05),FEAR量表与GPIUS-42量表之间的所有相关性以及SADNESS与GPIUS-0.00119量表之间的大部分相关性仍将保持显着。 ANGER与整体GPIUS-2评分,在线社交互动,情绪调节和认知专注的偏好显着正相关。 最后,灵性量表仅与GPIUS-2的亚量表负面结果显着正相关。

 
TABLE 5
www.frontiersin.org 
表5。 ANPS和GPIUS-2量表之间的部分相关性在女性子样本中针对年龄进行了校正

总之,在所有样本以及仅男性和女性样本中,ANPS量表的积极影响(SEEKING,CARE,PLAY)与大多数GPIUS-2量表负相关。 相比之下,负面影响的ANPS量表(FEAR,ANGER,SADNESS)与大多数GPIUS-2量表的性别呈正相关。

逐步回归

在下一步中,实施逐步回归分析。 因此,检查了GPIUS-2中通过年龄,性别和ANPS量表进行的解释变异量。 整体GPIUS-2评分以及分量表的结果列于表中 611.

 
TABLE 6
www.frontiersin.org 
表6。 整体GPIUS-2评分的分层回归模型

 
TABLE 7
www.frontiersin.org 
表7。 用于在线社交互动的GPIUS-2子量表偏好的分层回归模型

 
TABLE 8
www.frontiersin.org 
表8。 GPIUS-2子量表情绪调节的分层回归模型

 
TABLE 9
www.frontiersin.org 
表9。 GPIUS-2子量表认知专注的分层回归模型

 
TABLE 10
www.frontiersin.org 
表10。 GPIUS-2子级强制互联网使用的分层回归模型

 
TABLE 11
www.frontiersin.org 
表11。 GPIUS-2的分层回归模型衡量负面结果

性别对所有GPIUS-2量表都有显着影响,男性与女性相比得分较高。 此外,即使在积极的主要情绪已经包含在模型中之后,在第二步中,当包括在第三步中时,负的主要情绪仍然解释了大多数GPIUS-2量表的可变性的重要部分。 仅在针对在线社交互动的GPIUS-2量表偏好的回归模型中,没有一个负面的主要情绪解释了年龄,性别和积极的主要情绪方差的重要部分。 总之,特别是尺度FEAR和SADNESS是与GPIUS-2的几乎所有(子)尺度最强烈相关的ANPS尺度。 两者都与相应的GPIUS-2(子)标度正相关。

讨论

一般讨论;一般交流

据我们所知,本研究首次调查ANPS评估的主要情绪系统中的个体差异如何与个体在网络成瘾倾向上的差异相关。 考虑ANPS中个体差异与GPIUS-2总分之间的关​​联, 显而易见的是,所有负面主要情绪系统(FEAR,SADNESS,ANGER)的较高得分与较高的互联网问题使用倾向强烈相关,而所有积极情绪系统都观察到反向结果。 此外, 通过FEAR和SADNESS系统的较高分数或CARE系统中较低分数可以最好地预测整体网络成瘾分数。 这突出了已经描述的网络成瘾和抑郁之间的联系(见 Sariyska等,2015),但也有网络成瘾和神经质之间的联系(例如, Hardie和Tee,2007; Montag等,2010)。 已经讨论过(戴维斯和潘克塞普,2011; 周一,2014)原始情绪系统中的个体差异可能代表人类个性的最老化部分,而恐惧/悲伤似乎与神经质有很强的联系(见 Montag等,2013; Sindermann等,2016).

确定过度使用互联网的不同方面对于神经生物学研究以及临床实践都很重要。 值得注意的是,在本研究中,网络成瘾的不同方面与ANPS评估的主要情绪系统不同。 低PLAY分数似乎可以最好地预测在线社交互动的高度偏好。 虽然目前的研究无法提供对因果机制的见解,例如低PLAY分数可能是网络成瘾的倾向或后果,但这些研究结果对于识别可能的相关人格倾向是值得注意的。。 在我们看来,PLAY与在线社交互动的偏好之间的负面联系是有趣的,因为(i)关于网络成瘾和ADHD之间可能关联的争论(Yoo等人,2004; Sariyska等,2015),和(ii),以及最终被诊断患有ADHD的儿童早期社交游戏减少的可能性(Panksepp,1998a, 2008)。 事实上,动物研究得出的初步证据表明,幼小动物缺乏粗糙和翻滚可能会导致ADHD症状 (Panksepp等人,2003)。 这可能是因为儿童过度使用互联网可能导致现实社会游戏减少,从而可能促进ADHD症状的发展。 过度的互联网使用和ADHD的发展之间的这些相互作用可能会在未来的研究中进一步探讨(显然,无法通过横断面相关性研究(如现在的研究)确定因果关系。

考虑到情绪调节的许多方面以及对互联网的关注, 值得注意的是,通过GPIUS-2监测,SADNESS评分是网络成瘾的最佳预测指标之一。 因此,在SADNESS个性维度上得分较高的个人可以使用互联网作为情绪上调的社交代理人,尤其是当感觉情绪“下降”或不安时,如GPIUS-2的相关项目所示(Caplan,2010; 页。 1093)。 因此,目前的调查结果可以用两种方式解释: (i)与较为温和的互联网用户相比,具有高度悲伤的个人可能希望通过更持久的互联网使用来下调其负面情绪; (ii)或者,主要情绪系统中较高的SADNESS可能是因特网过度使用的长期后果。 由于ANPS测量的是长期特征而不是短期状态,并且人格特质在长时间内被认为是相当稳定的(Edmonds等,2008; Orri等人,2016),我们建议第一种解释可能更合适。 当然,这需要用纵向设计进行评估。

最后,让我们考虑强制性Internet使用的方面以及由于Internet过度使用而带来的负面结果:强制性Internet使用可能反映出对自己的Internet过度使用的控制丧失。 事实上,高FEAR评分可以最好地预测高互联网使用分数,这表明慢性高度焦虑可能是强迫性使用的核心。 此外,低SEEKING评分可以最好地预测负面结果,这表明以下假设:i)低SEEKING评分是因特网过度使用的负面情感结果,或ii)低SEEKING,作为主要(宪法)情感特征,可能是预期会减少群居性,使个体倾向于展示与无生命物体(他们完全控制)的升级互动,从而产生网络成瘾(这可以被描述为负面结果,至少从外部角度来看)。 最后一点:ANPS FEAR量表主要用于评估轻度焦虑而非强烈恐惧。 有关消除焦虑和恐惧的其他讨论和措施,请参阅(Markett等,2014; Reuter等,2015).

走向网络成瘾的分子理解

在关于网络成瘾的争论及其在即将到来的ICD-11中的应用中,已经在经典心理学和神经科学中进行了大量研究,这些研究为互联网的过度使用确实可以很好地表征为行为成瘾的观点提供了支持(参见概述) Brand等,2014; Montag等,2015a)。 在神经科学中,用于理解网络成瘾的最突出的证据来自磁共振成像(MRI)和较小程度的脑电图(EEG)和正电子发射断层扫描(PET)研究(例如, Kim等人,2011; 另见概述 Montag等,2015a)。 迄今为止,关于网络成瘾的分子基础的直接证据仍然很少(除了少数上述分子遗传学和精神药理学的研究)。 除了这些具有启发性的工作之外,尚无法提供一个理论框架,可以为研究网络成瘾的分子基础提供连贯的路线图。 因此,我们希望使用本研究的结果,使用自我报告测量来评估网络成瘾和主要情绪特征的个体差异,以帮助建立关于哪些大脑区域的初步模型,更重要的是, 哪些潜在的神经递质 目前可能有助于阐明对网络成瘾的科学理解。 最近已经采用了这种方法的有用性,以证明保罗·埃克曼(Paul Ekman)的作品所激发的面部表情动作可以与情感神经科学理论框架相结合,以研究人类情感表达的大脑分子/神经递质基础(Montag和Panksepp,2016)。 这些想法已经被提出作为人格心理学领域的可行思路(Montag和Reuter,2014).

我们在表格中提供了这些想法的详细路线图(即工作假设) 12,我们注意到目前最可能在网络成瘾的各个不同方面(由GPIUS-2评估)和最可能的(即目前最高度相关的)主要情绪系统之间的最强关联。 即,在表的左侧 12 GPIUS-2的分量表反映了网络成瘾的一些(但不是全部)重要症状,它们与本调查问卷研究得出的主要情感网络密切相关。 在右侧,包括相关神经递质/神经肽系统的神经解剖结构被总结为激活或抑制不同主要情绪系统下面的每个神经元电路。 同样,这是可能的,因为已经针对它们的神经解剖学和潜在的神经递质/神经肽详细地绘制了主要情绪系统。 ANPS是在这些数据的背景下构建的(参见概述参见 Panksepp,1998b, 2011).

 
TABLE 12
www.frontiersin.org    

表12。 跨物种主要情绪系统及其潜在的神经解剖结构和神经递质/神经肽的概要(来自 Panksepp,1998b, 2011; Montag和Panksepp,2016).

通过将跨物种情感神经科学方法与网络成瘾研究联系起来,出现了一个连贯的框架,这可能最终使研究人员能够测试几种可以帮助我们更好地表征和理解网络成瘾的脑分子候选者。 这种整合还可以促进针对网络成瘾的各个方面的治疗的开发。 在这里,我们想补充一个重要问题。 最近发布了一个名为I-PACE(人 - 情感 - 认知 - 执行的相互作用)的新模型来解释上述互联网成瘾的相互作用可以进一步澄清网络成瘾的起源(Brand等,2016b)。 我们的框架可以整合到这个模型中,因为I-PACE包括代表网络成瘾的弹性或脆弱性因素的人的生物心理学构成。

具体而言,特定因特网使用障碍的I-PACE模型表示过程模型,其将人的生物学(例如,遗传学)以及心理特征(例如,儿童早期经历)整合为脆弱性因素。 这些易感因素被认为与其他调节因素相互作用,例如应对方式或与互联网相关的偏见。 根据该模型,不利因素的共现和相互作用导致一种情况 - 从一个人的认知和情感角度 - 使用互联网是有利的。 如果互联网的使用被视为满足,那么内部心理模式(例如,偏见)可以导致理解强制使用互联网的方式。 这加强了互联网在类似的未来情况中的使用,导致适应不良的行为模式。

由于失去对互联网使用的控制以及对日常生活的新的负面影响,一种特定的互联网使用障碍得以发展。 如 Brand等。 (2016b) 提到,通过考虑遗传基础作为特定互联网使用障碍出现的诱发因素,本研究的结果(特别关注表 12)可用于建立关于哪些分子或分子遗传基础有助于特定互联网使用障碍的出现的特定定向假设。 例如,已知SADNESS的神经元电路被神经肽催产素下调(Panksepp,1998b)。 由于SADNESS与整体GPIUS-2评分及其子问题(如本研究中的情绪调节)有关,(低)催产素水平可能是内分泌,网络成瘾的关键诱发因素,也是分子遗传水平。 例如,低度同理心,可能与催产素有关,与较高的网络成瘾有关(Melchers等,2015)。 因此,催产素是在未来工作中测试的有趣候选者(也在I-PACE模型的背景下)。 而且,我们,以及 Brand等。 (2016b),已经注意到,当一个人上钩互联网时遇到与互联网相关的线索,情感反应起着重要的作用。 主要情绪系统可能因果关系引起相关的情绪反应。 因此,从这个角度来看,本研究可能有助于将I-PACE模型与生活环境联系起来。 为了促进这种联系,我们想举一个关于Table如何的例子 12 可以一般地使用。 我们在上面证明了低CARE和高SADNESS / FEAR预测整体网络成瘾。 鉴于神经肽催产素在CARE(促进)和SADNESS(抑制)的神经元回路中起重要作用,但也在FEAR维度(抑制)中起作用,催产素的给药可能有助于改变这些回路以减少SADNESS和FEAR,同时加强关怀和探索,创造力和外向的开放体验(De Dreu等人,2015)同时越来越多地与“真实”生活中的人交往,同时减少在线社交互动。

在这方面,值得注意的是,已经发现催产素可以减轻自闭症的症状(Hollander等,2007; Guastella等,2010)并促进情绪识别(Domes等,2007)。 因为网络成瘾也与低同理心相关(Melchers等,2015),催产素可能会改善面对面交互中的社会认知,而不是个人在线社交话语。 此外,通过ANPS,人们还可以将各种主要情绪系统的优势和劣势与网络成瘾的具体方面联系起来(而不仅仅是整体GPIUS-2评分)。 例如,由于SADNESS维度与情绪调节和认知关注的方面有关,催产素的施用可能特别对网络成瘾的这些方面具有积极的治疗效果。 关于催产素和网络成瘾之间联系的一些初步经验证据,可以看到在会议论文中OXTR基因变异与网络成瘾之间的遗传关联。 Sariyska等人。 (2016).

需要考虑一些限制。 首先,本理论框架是从使用问卷调查的研究中得出的,而没有对本研究参与者的生物学变量进行评估。 此外,对自己的主要情绪系统进行自我报告评估是对自己的情绪世界的间接方法,从某种意义上说,这是对我们情绪的认知方法。 戴维斯和潘克塞普(2011; p。 1952年)指出:“我们将ANPS量表解释为人们生活中各种主要情感系统的影响的三次(思想介导)近似值”。 显然,开发更直接的情感活动量度具有高度相关性。 另一个关注点涉及多样化的神经科学框架,这些框架突显了新皮质大脑区域的巨大相关性,例如背外侧前额叶皮层和内侧前额叶皮层-人脑中执行功能和情绪调节的“座位”(戴维斯和潘克塞普(2000)。 显然,我们对网络成瘾分子研究的路线图是有限的,因为我们这里只针对这种疾病的情绪方面。 各种认知风格的方面需要融入未来的工作中。 另一个问题来自表格中的证据 12:ANGER在我们的数据集中与网络成瘾的评估方面没有密切联系,尽管出现了一些显着的相关性,这似乎与其他主要情绪系统的重叠更直接相关 (进一步说明:由于未列入ANPS,因此未对LUST进行评估)。 尽管如此,如前所述,评估患者在互联网使用的不同领域(如网络色情成瘾)的成瘾倾向可能具有重要意义,这可能与LUST电路密切相关(例如, Brand等,2016a)。 此外,互联网游戏紊乱可能与在线第一人称射击游戏有联系(Montag等,2011a),这可能与RAGE /烦躁性格维度的过度唤醒有关(Montag等,2012b).

最后,我们将简要回顾现代电子通信时代的一些新兴障碍 - 智能手机成瘾(有关智能手机使用和个性的更多信息,请参阅 Montag等,2015c)。 同样如下所述 Kwon等。 (2013a,b) 互联网和智能手机成瘾之间的重叠徘徊在0.50的相关性(因此共享方差的25%)之间,这表明此处概述的概念路线图可能在某种程度上可转移到其他交互式电子媒体,尤其是智能手机的过度使用。 有关ANPS如何应用于人格评估的进一步讨论可能代表了互联网/智能手机成瘾神经科学研究的有趣框架,请参阅 蒙塔格和沃拉(2016)。 实际上,我们已经收集了所有参与者的智能手机成瘾数据; 因此,我们分享智能手机成瘾与表中的ANPS之间的相关模式 13 这篇论文。 这允许读者应用表中描述的相同策略 12 在智能手机成瘾的分子基础上建立假设。 与网络成瘾一样,FEAR和SADNESS与智能手机成瘾分数的相关性最高。 因为网络成瘾和智能手机成瘾在我们的数据集中共享24%的方差(相关性 r =整体GPIUS-0.49和智能手机成瘾量表(SAS)得分之间的2,SADNESS和FEAR联想似乎属于智能手机/互联网成瘾相关性的共享差异。 SAS最初发布于 Kwon等。 (2013b)。 本调查问卷数据的内部一致性如下:总SAS评分α= 0.995,日常生活干扰α= 0.841,正预期α= 0.874,撤回= 0.829,网络空间导向关系α= 0.826,过度使用α= 0.754,公差α= 0.823。

 
TABLE 13
www.frontiersin.org 
表13。 ANPS和智能手机成瘾量表之间的部分相关性在整个样本中针对年龄进行了校正

结论

本研究证明了ANPS有助于理解网络成瘾的个体差异。 考虑到ANPS与GPIUS-2之间的相关性,这项工作为网络成瘾的分子研究提供了第一个路线图。 我们相信,通过与I-PACE等已有的模型相结合,目前的工作虽然提供了新的个性和理论框架,但进一步丰富了。

作者贡献

CM和JP设计了这项研究并编写了协议。 作者CM做了文献研究,作者CS进行了统计分析,并对稿件进行了格式化。 作者CM和CS撰写了手稿。 作者BB提供了进一步的见解并检查了整个手稿。 此外,作者JP还参与了手稿的第一稿和修订稿,提供了额外的宝贵见解并检查了手稿。

资金

CM的职位由德国研究基金会(DFG,MO 2363 / 3-1)授予他的Heisenberg资助。 此外,该研究的资金来自授予CM的德国研究基金会(DFG MO2363 / 2-1),以研究网络成瘾的生物学基础。

利益冲突声明

作者声明,研究是在没有任何可被解释为潜在利益冲突的商业或金融关系的情况下进行的。

脚注

参考资料

Ali,R.,Jiang,N.,Phalp,K.,Muir,S。和McAlaney,J。(2015)。 “数字成瘾标签的新兴要求” 需求工程国际工作会议:软件质量基础 (Cham:Springer International Publishing),198-213。

Atmaca,M。(2007)。 使用SSRI-抗精神病药物组合成功治疗有问题的因特网使用的情况。 PROG。 神经精神药物学。 生物学。 精神病学 31,961-962。 doi:10.1016 / j.pnpbp.2007.01.003

PubMed摘要 | CrossRef全文

Basiaux,P.,le Bon,O.,Dramaix,M.,Massat,I.,Souery,D.,Mendlewicz,J.,et al。 (2001)。 气质和性格量表(TCI)的人格特征和酒精患者的亚型:一项对照研究。 酒精。 36,584-587。 doi:10.1093 / alcalc / 36.6.584

PubMed摘要 | CrossRef全文 | Google Scholar

Billieux,J。(2012)。 移动电话的问题使用:文献综述和路径模型。 CURR。 精神病学 8,299-307。 doi:10.2174 / 157340012803520522

CrossRef全文 | Google Scholar

Bortz,J。(2005)。 StatistikfürHuman-und Sozialwissenschaftler。 海德堡:Springer-Medizin。

Google Scholar

Brand,M.,Snagowski,J.,Laier,C。和Maderwald,S。(2016a)。 观看首选色情图片时腹侧纹状体活动与网络色情成瘾症状相关。 影像学 129,224-232。 doi:10.1016 / j.neuroimage.2016.01.033

PubMed摘要 | CrossRef全文 | Google Scholar

Brand,M.,Young,KS和Laier,C。(2014)。 前额控制和网络成瘾:理论模型和神经心理学和神经影像学发现的回顾。 面前。 哼。 神经科学。 8:375。 doi:10.3389 / fnhum.2014.00375

PubMed摘要 | CrossRef全文 | Google Scholar

Brand,M.,Young,KS,Laier,C.,Wölfling,K。和Potenza,MN(2016b)。 整合关于特定互联网使用障碍的发展和维持的心理和神经生物学考虑因素:人 - 情感 - 认知 - 执行(I-PACE)模型的相互作用。 神经科学。 Biobehav。 启示录 71,252-266。 doi:10.1016 / j.neubiorev.2016.08.033

PubMed摘要 | CrossRef全文 | Google Scholar

Camardese,G.,De Risio,L.,Di Nicola,M.,Pizi,G。和Janiri,L。(2012)。 药物治疗在“网络成瘾”治疗中的作用。 临床。 Neuropharmacol。 35, 283–289. doi: 10.1097/WNF.0b013e31827172e5

PubMed摘要 | CrossRef全文 | Google Scholar

Camardese,G.,Leone,B.,Walstra,C.,Janiri,L。和Guglielmo,R。(2015)。 “网络成瘾的药理学治疗” 网络成瘾,编辑C. Montag和M. Reuter(Cham:Springer International Publishing),151-165。

Google Scholar

Caplan,SE(2010)。 广义有问题的互联网使用的理论和测量:两步法。 COMPUT。 哼。 Behav。 26,1089-1097。 doi:10.1016 / j.chb.2010.03.012

CrossRef全文 | Google Scholar

戴维斯(KL)和潘克谢普(J.)(2011)。 人格的情感基础和情感神经科学人格的尺度。 神经科学。 Biobehav。 启示录 35,1946-1958。 doi:10.1016 / j.neubiorev.2011.04.004

PubMed摘要 | CrossRef全文 | Google Scholar

Davis,KL,Panksepp,J。和Normansell,L。(2003)。 情感神经科学人格量表:规范数据和含义。 Neuropsychoanalysis 5,57-69。 doi:10.1080 / 15294145.2003.10773410

CrossRef全文 | Google Scholar

戴维斯,RA(2001)。 病理性互联网使用的认知 - 行为模型。 COMPUT。 哼。 Behav。 17, 187–195. doi: 10.1016/S0747-5632(00)00041-8

CrossRef全文 | Google Scholar

De Dreu,CK,Baas,M。和Boot,NC(2015)。 催产素通过上调的方法实现新奇寻求和创造性表现:未来研究的证据和途径。 Wiley Interdiscipl。 启示录 6,409-417。 doi:10.1002 / wcs.1354

PubMed摘要 | CrossRef全文 | Google Scholar

Domes,G.,Heinrichs,M.,Michel,A.,Berger,C。和Herpertz,SC(2007)。 催产素改善了人类的“思维阅读”。 生物学。 精神病学 61,731-733。 doi:10.1016 / j.biopsych.2006.07.015

PubMed摘要 | CrossRef全文 | Google Scholar

Dong,G。和Potenza,MN(2014)。 网络游戏障碍的认知行为模型:理论基础和临床意义。 J. Psychiatr。 RES。 58,7-11。 doi:10.1016 / j.jpsychires.2014.07.005

PubMed摘要 | CrossRef全文 | Google Scholar

Edmonds,GW,Jackson,JJ,Fayard,JV和Roberts,BW(2008)。 人格命运,还是希望改变我的个性呢? SOC。 个人。 心理学。 罗盘 2,399-413。 doi:10.1111 / j.1751-9004.2007.00037.x

CrossRef全文 | Google Scholar

Farinelli,M.,Panksepp,J.,Gestieri,L.,Leo,MR,Agati,R.,Maffei,M.,et al。 (2013)。 中风患者的寻求和抑郁:一项探索性研究。 J. Clin。 进出口。 Neuropsychol。 35,348-358。 doi:10.1080 / 13803395.2013.776009

PubMed摘要 | CrossRef全文 | Google Scholar

Geir,P.,Selsbakk,JM,Theresa,W。和Sigmund,K。(2014)。 在临床样本中测试不同版本的情感神经科学人格量表。 PLoS ONE的 9:e109394。 doi:10.1371 / journal.pone.0109394

PubMed摘要 | CrossRef全文 | Google Scholar

Felten,A.,Montag,C.,Markett,S.,Walter,NT和Reuter,M。(2011)。 遗传决定的多巴胺可用性预测抑郁症的处置。 脑行为。 1,109-118。 doi:10.1002 / brb3.20

PubMed摘要 | CrossRef全文 | Google Scholar

Goldstein,RZ,Craig,A.D,Bechara,A.,Garavan,H.,Childress,AR,Paulus,MP,et al。 (2009)。 对药物成瘾的洞察力受损的神经电路。 趋势认知。 科学。 13,372-380。 doi:10.1016 / j.tics.2009.06.004

PubMed摘要 | CrossRef全文 | Google Scholar

Guastella,AJ,Einfeld,SL,Gray,KM,Rinehart,NJ,Tonge,BJ,Lambert,TJ,et al。 (2010)。 鼻内催产素可改善自闭症谱系障碍青少年的情绪识别。 生物学。 精神病学 67,692-694。 doi:10.1016 / j.biopsych.2009.09.020

PubMed摘要 | CrossRef全文 | Google Scholar

Ha,JH,Yoo,HJ,Cho,IH,Chin,B.,Shin,D。和Kim,JH(2006)。 在网络成瘾筛查阳性的韩国儿童和青少年中评估精神病合并症。 J. Clin。 精神病学 67,821-826。 doi:10.4088 / JCP.v67n0517

PubMed摘要 | CrossRef全文 | Google Scholar

Hahn,E.,Reuter,M.,Spinath,FM和Montag,C。(2017)。 网络成瘾及其方面:遗传学的作用以及与自我指导的关系。 冰火。 Behav。 65,137-146。 doi:10.1016 / j.addbeh.2016.10.018

PubMed摘要 | CrossRef全文 | Google Scholar

Han,DH,Lee,YS,Yang,KC,Kim,EY,Lyoo,IK和Renshaw,PF(2007)。 多巴胺基因和奖励依赖于青少年过度的互联网视频游戏。 J. Addict。 医学。 1, 133–138. doi: 10.1097/ADM.0b013e31811f465f

PubMed摘要 | CrossRef全文 | Google Scholar

Hardie,E。和Tee,MY(2007)。 过度使用互联网:个人,孤独和社交支持网络在网络成瘾中的作用。 奥斯特。 J. Emerg。 TECHNOL。 SOC。 5,34-47。

Google Scholar

Hollander,E.,Bartz,J.,Chaplin,W.,Phillips,A.,Sumner,J.,Soorya,L.,et al。 (2007)。 催产素可增加自闭症对社会认知的保留。 生物学。 精神病学 61,498-503。 doi:10.1016 / j.biopsych.2006.05.030

PubMed摘要 | CrossRef全文 | Google Scholar

Hou,H.,Jia,S.,Hu,S.,Fan,R.,Sun,W.,Sun,T.,et al。 (2012)。 网络成瘾患者的纹状体多巴胺转运蛋白减少。 J. Biomed。 生物技术。 2012:854524. doi: 10.1155/2012/854524

PubMed摘要 | CrossRef全文 | Google Scholar

Internetworldstats(2016)。 互联网使用统计 - 互联网大图。 在线提供: www.internetworldstats.com/stats.htm。 访问05th Spetember 2016

Karterud,S.,Pedersen,G.,Johansen,M.,Wilberg,T.,Davis,K。和Panksepp,J。(2016)。 人格障碍患者的主要情绪特征。 人口从. 换货。 健康。 10,261-273。 doi:10.1002 / pmh.1345

CrossRef全文

Kim,SH,Baik,SH,Park,CS,Kim,SJ,Choi,SW和Kim,SE(2011)。 网络成瘾者减少纹状体多巴胺D2受体。 Neuroreport 22, 407–411. doi: 10.1097/WNR.0b013e328346e16e

PubMed摘要 | CrossRef全文 | Google Scholar

Ko,CH,Yen,JY,Yen,CF,Chen,CS,Weng,CC和Chen,CC(2008)。 网络成瘾与青少年饮酒问题之间的关联:问题行为模型。 Cyber​​psychol。 Behav。 11,571-576。 doi:10.1089 / cpb.2007.0199

PubMed摘要 | CrossRef全文 | Google Scholar

Kwon,M.,Kim,DJ,Cho,H。和Yang,S。(2013a)。 智能手机成瘾量表:为青少年开发和验证短版本。 PLoS ONE的 8:e83558。 doi:10.1371 / journal.pone.0083558

PubMed摘要 | CrossRef全文 | Google Scholar

Kwon,M.,Lee,JY,Won,WY,Park,JW,Min,JA,Hahn,C.,et al。 (2013b)。 开发和验证智能手机成瘾量表(SAS)。 PLoS ONE的 8:e56936。 doi:10.1371 / journal.pone.0056936

PubMed摘要 | CrossRef全文 | Google Scholar

Levy,R。和Goldman-Rakic,PS(2000)。 “背外侧前额叶皮层内工作记忆功能的分离” 执行控制和额叶:当前问题,编辑WX Schneider,AM Owen和J. Duncan(柏林:Springer),23-32。

Markett,S.,Montag,C.和Reuter,M.(2014)。 支持行为:论证实验范式在根据格雷的修订后的钢筋敏感性理论预测预测中的重要性。 面前。 SYST。 神经科学。 8:184。 doi:10.3389 / fnsys.2014.00184

PubMed摘要 | CrossRef全文 | Google Scholar

Melchers,M.,Li,M.,Chen,Y.,Zhang,W。和Montag,C。(2015)。 低同理心与互联网的有问题使用有关:来自中国和德国的经验证据。 亚洲人J. Psychiatr。 17,56-60。 doi:10.1016 / j.ajp.2015.06.019

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C。(2014)。 大脑来源于神经营养因子和人格。 进阶 生物学 2014:719723. doi: 10.1155/2014/719723

CrossRef全文 | Google Scholar

Montag,C.,Bey,K.,Sha,P.,Li,M.,Chen,YF,Liu,WY,et al。 (2015b)。 区分广义和特定的网络成瘾是否有意义? 来自德国,瑞典,台湾和中国的跨文化研究的证据。 亚太地区。 精神病学 7,20-26。 doi:10.1111 / appy.12122

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C.,Błaszkiewicz,K.,Sariyska,R.,Lachmann,B.,Andone,I.,Trendafilov,B.,et al。 (2015c)。 21st世纪的智能手机使用:谁在WhatsApp上活跃? BMC Res。 笔记 8:331. doi: 10.1186/s13104-015-1280-z

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C.,Duke,É。和Reuter,M。(2015a)。 “关于网络成瘾的神经科学研究结果的简短摘要” 网络成瘾,编辑C. Montag和M. Reuter(Cham:Springer International Publishing),131-139。

Google Scholar

Montag,C.,Fiebach,CJ,Kirsch,P。和Reuter,M。(2011b)。 5-HTTLPR的相互作用和催产素受体基因的变异影响负性情绪。 生物学。 精神病学 69,601-603。 doi:10.1016 / j.biopsych.2010.10.026

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C.,Flierl,M.,Markett,S.,Walter,N.,Jurkiewicz,M。和Reuter,M。(2011a)。 第一人称射击游戏玩家的网络成瘾和个性。 J. Media Psychol。 23, 163–173. doi: 10.1027/1864-1105/a000049

CrossRef全文

Montag,C.,Hahn,E.,Reuter,M.,Spinath,FM,Davis,K。和Panksepp,J。(2016)。 自然和培育对初级情绪系统中个体差异的作用:来自双胞胎研究的证据。 PLoS ONE的 11:e0151405。 doi:10.1371 / journal.pone.0151405

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C.,Jurkiewicz,M。和Reuter,M。(2010)。 与高神经质相比,低自我导向性是有问题的互联网使用的更好预测因子。 COMPUT。 哼。 Behav。 26,1531-1535。 doi:10.1016 / j.chb.2010.05.021

CrossRef全文 | Google Scholar

Montag,C.,Kirsch,P.,Sauer,C.,Markett,S。和Reuter,M。(2012a)。 CHRNA4基因在网络成瘾中的作用:病例对照研究。 J. Addict。 医学。 6, 191–195. doi: 10.1097/ADM.0b013e31825ba7e7

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C。和Panksepp,J。(2016)。 人类面部表情的原始情感 - 情感表达基础。 MOTIV。 EMOT。 40, 760–766. doi: 10.1007/s11031-016-9570-x

CrossRef全文 | Google Scholar

Montag,C。和Reuter,M。(2014)。 解开人格的分子遗传基础:从单胺到神经肽。 神经科学。 Biobehav。 启示录 43,228-239。 doi:10.1016 / j.neubiorev.2014.04.006

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C。和Reuter,M。(2015a)。 网络成瘾。 Cham:施普林格国际出版社。

Google Scholar

Montag,C。和Reuter,M。(2015b)。 “分子遗传学,人格和网络成瘾” 网络成瘾,编辑C. Montag和M. Reuter(Cham:Springer International Publishing),93-109。

Google Scholar

Montag,C.,Reuter,M.,Jurkiewicz,M.,Markett,S。和Panksepp,J。(2013)。 对人类焦虑大脑的结构进行成像:回顾神经科学人格心理学的发现。 Rev. Neurosci。 24,167-190。 doi:10.1515 / revneuro-2012-0085

PubMed摘要 | CrossRef全文 | Google Scholar

Montag,C。和Walla,P。(2016)。 Carpe diem而不是失去你的社交思想:超越数字成瘾以及为什么我们都遭受数字化过度使用。 Cogent Psychol。 3:1157281。 doi:10.1080 / 23311908.2016.1157281

CrossRef全文 | Google Scholar

Montag,C.,Weber,B.,Trautner,P.,Newport,B.,Markett,S.,Walter,NT,et al。 (2012b)。 过度玩暴力的第一人称射击游戏是否会抑制大脑活动以应对情绪刺激? 生物学。 心理学。 89,107-111。 doi:10.1016 / j.biopsycho.2011.09.014

PubMed摘要 | CrossRef全文 | Google Scholar

Orri,M.,Rouquette,A.,Pingault,J.-B.,Barry,C.,Herba,C.,Côté,SM,et al。 (2016)。 情感神经科学人格量表的纵向和性别测量不变性。 评定。 doi:10.1177 / 1073191116656795。 [印刷前的电子版]。

PubMed摘要 | CrossRef全文 | Google Scholar

Panksepp,J。(1998a)。 注意力缺陷多动障碍,精神兴奋剂和儿童游戏的不容忍:制造中的悲剧? CURR。 迪尔。 心理学。 科学。 7, 91–98. doi: 10.1111/1467-8721.ep10774709

CrossRef全文 | Google Scholar

Panksepp,J。(1998b)。 情感神经科学:人类和动物情感的基础。 牛津大学出版社。

Google Scholar

Panksepp,J。(2005)。 情感意识:动物和人类的核心情感。 意识。 COGN。 14,30-80。

PubMed摘要 | Google Scholar

Panksepp,J。(2008)。 游戏,多动症和社交大脑的构建:每天头等舱应该休息吗? 上午。 J.玩 1,55-79。

Google Scholar

Panksepp,J。(2011)。 跨物种情感神经科学解码人类和相关动物的原始情感体验。 PLoS ONE的 6:e21236。 doi:10.1371 / journal.pone.0021236

PubMed摘要 | CrossRef全文 | Google Scholar

Panksepp,J。和Biven,L。(2012)。 心灵考古学:人类情绪的神经进化论起源。 诺顿人际关系神经生物学系列。 纽约州纽约:WW Norton&Company。

Panksepp,J.,Burgdorf,J.,Turner,C。和Gordon,N。(2003)。 模拟ADHD型唤醒与大鼠单侧额叶皮层损伤和游戏治疗的有益效果。 脑认知。 52, 97–105. doi: 10.1016/S0278-2626(03)00013-7

PubMed摘要 | CrossRef全文 | Google Scholar

新墨西哥州的Petry和CP的奥布莱恩(2013)。 互联网游戏障碍和DSM-5。 108,1186-1187。 doi:10.1111 / add.12162

PubMed摘要 | CrossRef全文 | Google Scholar

Pierce,RC和Kumaresan,V。(2006)。 中脑边缘多巴胺系统:滥用药物增强作用的最终共同途径? 神经科学。 Biobehav。 启示录 30,215-238。 doi:10.1016 / j.neubiorev.2005.04.016

PubMed摘要 | CrossRef全文 | Google Scholar

Pingault,JB,Pouga,L.,Grèzes,J。和Berthoz,S。(2012)。 确定情绪内表型:验证情感神经科学的人格尺度和进一步的观点。 心理学。 评估。 24,375-385。 doi:10.1037 / a0025692

PubMed摘要 | CrossRef全文 | Google Scholar

Plieger,T.,Montag,C.,Felten,A。和Reuter,M。(2014)。 血清素转运蛋白多态性(5-HTTLPR)和人格:反应风格作为焦虑的新内表型。 诠释。 J. Neuropsychopharmacol。 17,851-858。 doi:10.1017 / S1461145713001776

PubMed摘要 | CrossRef全文 | Google Scholar

Reuter,M.,Cooper,AJ,Smillie,LD,Markett,S。和Montag,C。(2015)。 修订的强化敏感性理论的新措施:心理测量标准和遗传验证。 面前。 SYST。 神经科学。 9:38。 doi:10.3389 / fnsys.2015.00038

PubMed摘要 | CrossRef全文 | Google Scholar

Reuter,M.,Weber,B.,Fiebach,CJ,Elger,C。和Montag,C。(2009)。 愤怒的生物学基础:与编码DARPP-32(PPP1R1B)和杏仁核体积的基因相关联。 Behav。 Brain Res。 202,179-183。 doi:10.1016 / j.bbr.2009.03.032

PubMed摘要 | CrossRef全文 | Google Scholar

Sariyska,R.,Lachmann,B.,Reuter,M.,Cheng,C.,Gnisci,A.,Kaliszewska-Czeremska,K。,et al。 (2016)。 互联网使用:功能变体对OXTR基因的分子影响,使用互联网的动机和跨文化细节。 个人。 Individ。 DIF。 101,512。 doi:10.1016 / j.paid.2016.05.286

CrossRef全文

Sariyska,R.,Reuter,M.,Bey,K.,Sha,P.,Li,M.,Chen,YF,et al。 (2014)。 自尊,个性和网络成瘾:跨文化比较研究。 个人。 Individ。 DIF。 61,28-33。 doi:10.1016 / j.paid.2014.01.001

CrossRef全文 | Google Scholar

Sariyska,R.,Reuter,M.,Lachmann,B。和Montag,C。(2015)。 注意力缺陷/多动障碍是有问题的互联网使用而不是抑郁的更好预测因素:来自德国的证据。 J. Addict。 RES。 疗法。 6:209. doi: 10.4172/2155-6105.1000209

CrossRef全文 | Google Scholar

Sindermann,C.,Li,M.,Sariyska,R.,Lachmann,B.,Duke,É。,Cooper,A.,et al。 (2016)。 重新审视了2D:4D比率和神经质:来自德国和中国的经验证据。 面前。 心理学。 7:811。 doi:10.3389 / fpsyg.2016.00811

PubMed摘要 | CrossRef全文 | Google Scholar

Suissa,AJ(2013)。 赌博和网络成瘾是一个社会问题:一些心理社会基准。 能够。 SOC。 工作Rev. 30,83-100。

Google Scholar

Tao,R.,Huang,X.,Wang,J.,Zhang,H.,Zhang,Y。和Li,M。(2010)。 建议的网络成瘾诊断标准。 105,556-564。 doi:10.1111 / j.1360-0443.2009.02828.x

PubMed摘要 | CrossRef全文 | Google Scholar

Thenu,CT和Keerthi,S。(2013)。 学生数字成瘾和使用数字设备的普遍存在。 EXCEL Int。 J.多学科管理。 梭哈。 3,118-128。

Google Scholar

Vink,JM,van Beijsterveldt,TC,Huppertz,C.,Bartels,M。和Boomsma,DI(2015)。 青少年强制性互联网使用的遗传性。 冰火。 生物学。 21,460-468。 doi:10.1111 / adb.12218

PubMed摘要 | CrossRef全文 | Google Scholar

Volkow,ND,Wang,GJ,Maynard,L.,Fowler,JS,Jayne,B.,Telang,F.,et al。 (2002)。 酒精解毒对酗酒者多巴胺D2受体的影响:初步研究。 精神病学 116, 163–172. doi: 10.1016/S0925-4927(02)00087-2

PubMed摘要 | CrossRef全文 | Google Scholar

Yen,JY,Ko,CH,Yen,CF,Chen,CS和Chen,CC(2009)。 大学生有害饮酒与网络成瘾的关系; 人格比较。 精神病学临床。 神经科学。 63,218-224。 doi:10.1111 / j.1440-1819.2009.01943.x

PubMed摘要 | CrossRef全文 | Google Scholar

Yen,JY,Ko,CH,Yen,CF,Wu,HY和Yang,MJ(2007)。 网络成瘾的共病精神症状:注意力缺陷和多动障碍(ADHD),抑郁,社交恐惧症和敌意。 J. Adolesc。 健康,41,93-98。 doi:10.1016 / j.jadohealth.2007.02.002

PubMed摘要 | CrossRef全文 | Google Scholar

Yoo,HJ,Cho,SC,Ha,J.,Yune,SK,Kim,SJ,Hwang,J.,et al。 (2004)。 注意缺陷多动症状和网络成瘾。 精神病学临床。 神经科学。 58,487-494。 doi:10.1111 / j.1440-1819.2004.01290.x

PubMed摘要 | CrossRef全文 | Google Scholar

Young,KS(1996)。 计算机使用心理学:XL。 上瘾的互联网使用:一个打破刻板印象的案例。 心理学。 众议员。 79,899-902。 doi:10.2466 / pr0.1996.79.3.899

PubMed摘要 | CrossRef全文 | Google Scholar

Young,KS(1998a)。 网瘾:一种新的临床疾病的出现。 Cyber​​psychol。 Behav。 1,237-244。 doi:10.1089 / cpb.1998.1.237

CrossRef全文 | Google Scholar

Young,KS(1998b)。 陷入网络:如何识别网络成瘾的迹象 - 以及恢复的成功策略。 纽约,纽约:约翰·威利父子公司。

Google Scholar

Young,KS和Rogers,RC(1998)。 抑郁症与网络成瘾之间的关系。 Cyber​​psychol。 Behav。 1,25-28。 doi:10.1089 / cpb.1998.1.25

CrossRef全文 | Google Scholar

Zhou,Y.,Lin,FC,Du,YS,Zhao,ZM,Xu,JR和Lei,H。(2011)。 网络成瘾中的灰质异常:基于体素的形态测量研究。 欧元。 J. Radiol。 79,92-95。 doi:10.1016 / j.ejrad.2009.10.025

PubMed摘要 | CrossRef全文 | Google Scholar

 

关键词:ANPS,初级情绪系统,网络成瘾,数字成瘾,Panksepp,GPIUS-2,个性,智能手机成瘾

引用:Montag C,Sindermann C,Becker B和Panksepp J(2016)用于网络成瘾分子研究的情感神经科学框架。 面前。 心理学。 7:1906。 doi:10.3389 / fpsyg.2016.01906

收到:07九月2016; 接受:21十一月2016;
发布时间:16十二月2016。

编辑:

娜塔莉艾伯纳,美国佛罗里达大学

点评人:

Mario F. Juruena英国伦敦大学国王学院
马蒂亚斯·布兰德,德国杜伊斯堡 - 埃森大学

版权所有©2016 Montag,Sindermann,Becker和Panksepp。 这是一份根据条款分发的开放获取文章 知识共享署名许可(CC BY)。 允许在其他论坛中使用,分发或复制,前提是原始作者或许可人被记入贷方,并且根据公认的学术惯例引用本期刊中的原始出版物。 不允许使用,分发或复制,不符合这些条款。

*通讯:Christian Montag, [电子邮件保护]

这些作者对这项工作做出了同样的贡献。