基础研究
基于VMHC方法的青少年网络成瘾静息态功能磁共振成像研究
磁共振成像, 2019,10(4) : 268-273. DOI: 10.12015/issn.1674-8034.2019.04.006
摘要
目的

基于体素-镜像同伦连接(voxel-mirrored homotopic connectivity,VMHC)技术研究网络成瘾青少年大脑半球功能连接的改变。

材料与方法

收集18名网络成瘾青少年以及18名配对正常对照组被试者静息态功能磁共振成像数据以及结构像数据,获取基于VMHC方法计算的被试大脑半球间的功能连接,分析组间VMHC差异以及差异脑区平均VMHC值与被试上网时间的关系,并分析VMHC对网络成瘾的诊断意义。

结果

网瘾组内侧前额叶VMHC显著增强(VMHC值网瘾组=0.45,VMHC值对照组=0.29,P<0.001),该脑区平均VMHC值与网瘾组被试周上网时间具有显著正相关(r=0.48,P=0.003)。受试者工作特征(receiver operating characteristic,ROC)曲线结果显示内侧前额叶平均VMHC值对于网瘾青少年具有一定的诊断价值[曲线下面积(area under curve,AUC)=0.86,最佳阈值=0.41,敏感度为72%,特异度为94%]。

结论

内侧前额叶增强的VMHC值提示网瘾青少年两半球间功能连接改变,并为网络成瘾的诊断提供了客观的影像学依据。

引用本文: 李旻明, 廖祥鹏, 赵智勇, 等.  基于VMHC方法的青少年网络成瘾静息态功能磁共振成像研究 [J] . 磁共振成像, 2019, 10(4) : 268-273. DOI: 10.12015/issn.1674-8034.2019.04.006.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

本刊刊出的所有论文不代表本刊编委会的观点,除非特别声明

中国青少年网络协会第三次发布的《中国青少年网瘾调查报告(2009)》指出,我国城市青少年网民中,13~17岁的网瘾青少年比例为14.3%,6~29岁的青少年人群中,网瘾人数高达2404.2万人[1]。网络成瘾表现为过度使用互联网后导致较明显的学业、职业和社会功能的损伤,主要包括网络游戏成瘾、网络关系成瘾、网络色情成瘾、信息收集成瘾、网络购物成瘾等,其中以网络游戏成瘾最为常见。2018年WHO将网络成瘾列为精神疾病,网络成瘾已成为全世界共同关注的医学和社会问题[2]。大量研究表明胼胝体的结构受损和成瘾具有一定的关系,比如可卡因成瘾[3]、毒瘾[4]以及酗酒等[5]。之前的研究已经表明,疾病所引起的结构损伤往往伴随着功能损伤[6,7,8]。胼胝体是连接人脑两半球皮质最大的纤维束,胼胝体的结构改变也许会影响大脑半球间的功能连接。最近的研究发现,网瘾被试存在胼胝体膝部和体部的结构改变[9],然而网瘾青少年大脑半球间的功能连接情况目前仍然不清楚。

静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)为检测大脑神经回路活动模式和大脑半球之间的相互作用提供了有效手段[10]。大脑左右半球相同起源的神经元内源性自发活动具有高度相似性,即功能同伦[11]。功能同伦可能与大脑功能分层有关[11,12,13]。体素-镜像同伦连接(voxel-mirrored homotopic connectivity,VMHC)通过测量大脑半球血氧水平依赖性时间序列之间的相关性,反映大脑半球之间信息交流整合模式,是静息态fMRI用于分析大脑半球之间功能同伦的方法,是研究大脑信息整合的重要方法[13]。目前这种方法已经广泛应用于评估各类神经精神系统疾病的大脑半球功能连接情况。Tang等[14]使用VMHC的方法研究中风患者发现,患者组的大部分运动脑区的半球功能连接减弱,并且小脑后叶的VMHC值和患者的手功能评分正相关。研究发现,基于下额回和后扣带皮层或下颞回和中央后回增强VMHC值组合的fMRI,有助于眼睑痉挛患者早期检测以及提高其诊断准确性[15]。双向情感障碍缓解期患者额叶回和中央前回VMHC值低于健康对照组,提示双向情感障碍缓解期患者仍存在大脑半球之间功能协调的破坏,而这一特征可作为有效而灵敏的双向情感障碍筛查方法[16]。夜间遗尿症儿童小脑叶和前扣带回VMHC值明显低于正常对照组,提示小脑时间感知功能下降引起的血管加压素分泌不足以及前扣带区功能降低和大脑半球功能连接异常引起的脑部信号障碍均可能与夜间遗尿现象有关[17]。以上研究表明,VMHC可以准确而有效地评估与患者行为、认知相关的大脑半球间的功能连接的变化。

本研究基于VMHC评估网络成瘾青少年大脑半球功能连接的改变,并进一步探讨半球功能连接的变化与网瘾被试行为、认知状态之间的关系,以及该功能改变对于网络成瘾的诊断价值。

1 材料与方法
1.1 研究对象

网瘾组为2009年11月至2010年12月来自上海、江苏、河南青少年网瘾戒治学校的青少年18例,其中男生15例,女生3例,平均年龄(15.4±1.5)岁。入组标准:①符合美国《精神疾病诊断与统计手册》第5版(DSM-V)中网络成瘾诊断标准;②有足够认知能力(瑞文智测正常);③右利手。排除标准:①有颅内疾病和精神疾病;②有药物和酒精依赖史;③曾接受精神类药物治疗;④被试视力或矫正视力异常;⑤存在色盲或色弱;⑥存在MR禁忌证。

对照组为18名来自上海普通中学的青少年,其中男生13例,女生5例,平均年龄(14.4±1.4)岁。入组标准:①根据美国《精神疾病诊断与统计手册》第5版(DSM-V)可除外网络成瘾;②有足够认知能力(瑞文智测正常);③右利手。排除标准:①有颅内疾病和精神疾病;②有药物和酒精依赖史;③曾接受精神类药物治疗;④被试视力或矫正视力异常;⑤存在色盲或色弱;⑥存在MR禁忌证。两组间年龄、受教育年限经两样本t检验,差异无统计学意义(P>0.05)。

所有受试者本人和/或家属均知情同意并签名。本研究获得上海交通大学医学院附属新华医院伦理委员会批准。

1.2 方法
1.2.1 神经精神心理量表评估

两组被试者均进行神经精神心理量表的评估。

家庭功能评估量表(family assessment device,FAD)包含7个分量表:问题解决、沟通、角色、情感反应、情感介入、行为控制和总体功能,共有60个条目,分量表得分越高,说明其相应的家庭功能就越差。由被试家长填写。

艾森克个性问卷(eysenck personality questionnaire,EPQ)包括神经质(N)维度、内外倾(E)维度、精神质维度(P)和掩饰(L)量表,E量表表示性格的内外倾向,高分表示外向,低分表示内向;N量表表示情绪的稳定性,高分表示焦虑、紧张、易怒,得分低者代表情绪较稳定;P量表表示心理状态是否正常,高分者表示孤独,缺乏同情心,有敌意,具有攻击性;L量表表示被试者的掩饰程度。由被试者填写。

焦虑自评量表(self-rating anxiety scale,SAS)由20个条目构成,用于评定焦虑的主观感受。量表得分越高焦虑程度越高。SAS标准分的分界值为50分,其中50~59分为轻度焦虑,60~69分为中度焦虑,69分以上为重度焦虑。由被试者填写。

抑郁自评量表(self-rating depression scale,SDS)能相当直观地反映抑郁患者的主观感受及其在治疗中的变化,含有20个条目,包括精神性-情感症状两个项目、躯体性障碍8个项目、精神运动性障碍两个项目、抑郁性心理障碍8个项目。按照中国常模结果,SDS标准分的分界值为53分,53~62分为轻度抑郁,63~ 72分为中度抑郁,72分以上为重度抑郁。由被试者填写。

评估工作由上海交通大学医学院附属新华医院临床心理科医师及环境与儿童健康实验室实验人员共同完成。

1.2.2 磁共振数据收集

所有磁共振图像都是采集于华东师范大学上海市磁共振重点实验室西门子3.0 T磁共振成像扫描仪(德国西门子公司Siemens Trio 3.0 T)。

具体的扫描序列及其参数如下:(1)高分辨T1加权结构像,采用的是磁化准备快速自旋回波序列,参数为:矢状位192层(三维成像),层厚1 mm,层间距0.5 mm,TR 1900 ms,TE 3.42 ms,反转时间为900 ms,FOV 240 mm×240 mm,翻转角为9度,采集矩阵为256×256。(2)静息态功能磁共振成像采用的是平面回波序列。序列参数为:横断位30层,层厚4 mm,层间距0.8 mm,TR 2000 ms,TE 30 ms,翻转角为90度,FOV 220 mm×220 mm,采集矩阵为64×64。

嘱受试者安静平卧于检查床,紧密填充海绵垫以固定头部,保持闭眼清醒、平静呼吸,尽量不要做任何动作和意向性思维活动。棉球塞耳以减轻机器噪音对患者的影响。

1.2.3 数据处理及分析

(1)预处理。本研究使用Data Processing Assistant for Resting-state fMRI (DPARSF,http://www.resffmri. net/forum/DPARSF)软件包对数据进行预处理。考虑到机器的不稳定性以及受试者对环境的适应性,首先去除每个被试的前10个时间点,然后对剩余的数据进行时间层校正和头动校正。头动标准设置为2 mm (平动)或2°(转动),并没有被试由于头动过大被排除。随后使用统一分割算法把每个被试的全脑图分割成灰质、白质和脑脊液,同时对每个被试头动矫正后的图像进行空间标准化并重采样成3 mm×3 mm×3 mm。随后使用线性回归去除6个头动参数、白质和脑脊液信号对数据的影响。最后对数据进行平滑(半高宽为6 mm的高斯平滑盒)、去线性漂移以及低频(0.01~0.08 Hz)过滤处理。(2) VMHC分析。VMHC通过REST (http://www.restfmri.net)软件包计算获得。随后提取受试者经预处理并配准到标准蒙特利尔空间脑半球内每个体素时间序列,并计算其和对侧镜像体素之间的Pearson相关系数,即VMHC值。随后进行Fisher z-转换改善正态分布。

1.3 统计学方法

采用SPM8软件对网瘾组、对照组的VMHC脑图分别进行双样本的t检验。经多重比较校正后P< 0.05(AlphaSim校正,单体素的P<0.001,对应的最小团块是45体素。校正参数:灰质mask,平滑盒= 10 mm,1000次模拟)的脑区定义为差异有统计学意义的区域。采用SPSS 20.0软件包进行统计学处理。计量资料比较采用独立样本t检验。计数资料比较采用χ2检验。以P<0.05为差异有统计学意义。采用Spearman相关分析组间差异脑区平均VMHC值和被试神经精神心理量表评估的关系。使用受试者工作特征(receiver operating characteristic,ROC)曲线分析差异脑区平均VMHC值对于青少年网络成瘾的诊断意义。

2 结果
2.1 两组被试者特征

网瘾组和对照组在性别、年龄、教育程度和神经精神心理量表评分之间差异均无统计学意义。两组被试者的上网时间(h/d)差异有统计学意义(P<0.05),见表1

点击查看表格
表1

两组被试者特征

Tab. 1

The characteristic of two groups of participant

表1

两组被试者特征

Tab. 1

The characteristic of two groups of participant

组别性别比例(女∶男)a平均年龄(岁)b受教育程度b上网时间(h/d)b艾森克个性问卷修订版(儿童)(EPQ)b家庭功能评定量表(FAD)b焦虑自评量表(SAS)b抑郁自评量表(SDS)b
对照组(n=18)5∶1314.44±1.422.50±0.511.83±1.0442.33±4.88140.50±15.5045.61±12.6550.22±9.37
网瘾组(n=18)3∶1515.39±1.542.33±0.494.44±2.2341.22±6.08144.50±16.4944.61±9.7753.39±10.52
P0.420.060.32<0.010.550.460.790.35

注:a代表卡方检验,b代表独立样本T检验

2.2 两组被试基于VMHC的静息态fMRI影像学结果
2.2.1 两组被试者VMHC值分析

对比对照组,网瘾组内侧前额叶[团块大小=50体素;峰值点坐标(MNI空间):x=3,y=33,z=57)]显示增强的VMHC(VMHC值:网瘾组=0.45,对照组= 0.29,T=4.32,P<0.001),见图1

点击查看大图
图1
网瘾组内侧前额叶增强的VMHC (Colorbar代表的是T值)
Fig. 1
Enhanced VMHC value of the medial prefrontal cortex in IA group(Colorbar stands forT value).
点击查看大图
图1
网瘾组内侧前额叶增强的VMHC (Colorbar代表的是T值)
Fig. 1
Enhanced VMHC value of the medial prefrontal cortex in IA group(Colorbar stands forT value).
2.2.2 差异脑区VMHC值与行为、认知状态的相关性分析

内侧前额叶平均VMHC值与网瘾组被试者的周上网时间存在显著正相关(r=0.48,P=0.003),见图2

点击查看大图
图2
网瘾组被试者内侧前额叶平均VMHC值和周上网时间(d/周)存在显著正相关
Fig. 2
Significant positive correlation between the mean VMHC value of the medial prefrontal cortex and the weekly online time (day/week) in IA group
点击查看大图
图2
网瘾组被试者内侧前额叶平均VMHC值和周上网时间(d/周)存在显著正相关
Fig. 2
Significant positive correlation between the mean VMHC value of the medial prefrontal cortex and the weekly online time (day/week) in IA group
2.2.3 基于VMHC方法的静息态功能磁共振成像对于青少年网络成瘾的诊断价值

通过ROC曲线评价基于VMHC方法的静息态功能磁共振成像对于青少年网络成瘾的诊断价值。ROC曲线分析结果显示,ROC曲线下面积为0.86(P<0.001),最佳阈值=0.41,敏感度=0.72,特异度=0.94(图3),提示基于VMHC方法的静息态功能磁共振成像对于青少年网络成瘾的诊断具有一定准确性,内侧前额叶的平均VMHC值可以有效地区别网瘾组和对照组。

点击查看大图
图3
ROC曲线评价基于VMHC方法的静息态功能磁共振成像对于青少年网络成瘾的诊断价值
Fig. 3
VMHC diagnostic value of resting-state fMRI for IA adolescents by ROC curve.
点击查看大图
图3
ROC曲线评价基于VMHC方法的静息态功能磁共振成像对于青少年网络成瘾的诊断价值
Fig. 3
VMHC diagnostic value of resting-state fMRI for IA adolescents by ROC curve.
3 讨论

青少年网瘾问题已引起我国医学和心理学界的重视,积累了主要基于诊断量表的网瘾检出率的数据(5.3%~23.6%),但报道数据相差较大,根本原因是仍缺少脑神经生物学的机制研究。随着神经影像等检测技术的不断发展和临床运用,人们对于网瘾脑机制方面的研究也越来越多,但这些成果仍不足以对网瘾的发生机制作出详细而准确的解释,而对网瘾诊断标准的完善也需结合脑机制方面的研究[18]。本研究使用一种新的方法VMHC来研究青少年网瘾被试的半球间功能连接的变化,希望结果能够有助于网瘾发生机制的理解以及网瘾症状的诊断。

3.1 网瘾青少年的默认网络功能连接异常

本研究发现,相比与对照组,网瘾组的内侧额叶显示增强的半球间功能连接。众所周知,内侧额叶是默认网络的核心脑区之一[19]。默认网络是人脑静息状态下最重要的脑网络之一,该网络涉及情绪调控和自我参考功能,包括评估内在和外在线索的突显性、记忆过去以及计划未来等,这些是网络成瘾疾病的重要诊断指标[20]。之前的研究已经表明成瘾性疾病与默认网络改变的功能连接有关系[21,22]。一个最近的尼古丁成瘾研究发现尼古丁的消耗与默认网络减少的活动有关系,作者解释尼古丁消耗也许涉及到网络信息处理从内到外的一个转变[23]。另一个海洛因成瘾研究发现,实验组的默认网络显示异常的功能连接,提示这也许和成瘾者下降的注意力和自我监控相关的认知控制功能[24]。酗酒研究通过图论的方法也发现患者的默认网络发生功能连接紊乱[25]。研究已经表明网络成瘾和其他的成瘾疾病有着相似的神经机制[26,27],且默认网络的功能连接变化有可能作为一个识别网瘾疾病的生物学指标[20]。本研究发现网瘾青少年的默认网络半球间功能连接增强,提示这种过度的连接也许造成了网瘾被试内外信息调控的失衡,从而导致被试自我控制功能下降而沉溺于网络。

3.2 网瘾青少年的内侧额叶和网瘾程度相关

本研究也发现,内侧额叶的平均VMHC值与被试的上网时间成正相关,并且可以有效区分网瘾组和对照组。内侧额叶的主要功能是涉及到情绪响应[28,29]。两个fMRI研究发现相比于对照组,青少年网瘾组的内侧额叶显示更高的灌注[27]和ReHo[30]。Ding等[26]发现网瘾者的内侧前额叶的激活与网瘾量表的总分相关,作者认为前额叶皮层的功能受损可能与网瘾青少年的高冲动相关。Hormes等[31]发现被试的网络使用情况与情绪测评量表存在显著的正相关,这提示网络成瘾也许是情绪调控异常的一种升级表现,并进一步加强被试对药物以及非药物的渴望和依赖。另外,大样本的行为学研究表明,实验者的情绪调控功能异常情况能够预测被试的网瘾程度,提示情绪调控与网络成瘾之间存在一种直接的关系,情绪失控可能会导致网络成瘾进而产生更大的负性情绪[32]。研究还表明,被试的情绪智力(emotional intelligence,EI)可以用来预测成瘾相关的行为学表现,例如赌博、上网、打电子游戏等[33]。所以,笔者推测本研究网瘾组内侧额叶增强的VMHC也许提示,该脑区的功能受损可能导致紊乱的情绪调控,这可能和网瘾青少年的高冲动相关。

综上所述,本研究使用VMHC的方法发现青少年网瘾默认网络的核心脑区内侧前额叶的半球间功能连接增强,并且这个脑区的平均VMHC值和参与者的上网时间存在显著正相关。这些发现表明内侧前额叶的功能改变与人类情绪的控制和成瘾行为有关,这进一步补充了关于理解网瘾发生机制的证据,并且这个脑区的平均VMHC值也许可以作为一个诊断网瘾被试的指标。

利益冲突
利益冲突:

无。

参考文献[References]
[1]
China youth network association. China youth internet addiction survey report (2009). Beijing: China youth network association, Institute of survey and statistics, communication university of China, 2010.
中国青少年网络协会.中国青少年网瘾调查报告(2009).北京:中国青少年网络协会,中国传媒大学调查统计研究所, 2010.
[2]
DengYM, ZhaoL, WangY, et al. Characteristics and progress of international disease classification on ICD-11. Chin J Hosp Admin, 2018, 34(6): 462.
邓应梅赵琳王怡,.国际疾病分类icd-11的特点与新进展.中华医院管理杂志, 2018, 34(6): 462.
[3]
LimKO, WozniakJR, MuellerBA, et al. Brain macrostructural and microstructural abnormalities in cocaine dependence. Drug Alcohol Depend, 2008, 92(1): 164-172.
[4]
SaloR, NordahlTE, BuonocoreMH, et al. Cognitive control and white matter callosal microstructure in methamphetamine-dependent subjects: a diffusion tensor imaging study. Biol Psychiatry, 2009, 65(2): 122-128.
[5]
MichaelD, DeBellis, Elizabeth VanVoorhees, et al. Diffusion tensor measures of the corpus callosum in adolescents with adolescent onset alcohol use disorders. Alcohol Clin Exp Res, 2008, 32(3): 395-404.
[6]
GreiciusMD, SupekarK, MenonV, et al. Resting-state functional connectivity reflects structural connectivity in the default mode network. Cerebral Cortex, 2009,19(1): 72-78.
[7]
DamoiseauxJS, GreiciusMD. Greater than the sum of its parts: a review of studies combining structural connectivity and resting-state functional connectivity. Brain Struct Funct, 2009, 213(6): 525-533.
[8]
HoneyCJ, KötterR, BreakspearM, et al. Network structure of cerebral cortex shapes functional connectivity on multiple time scales. Proc Natl Acad Sci U S A, 2007, 104(24): 10240-10245.
[9]
LinF, ZhouY, DuY, et al. Abnormal white matter integrity in adolescents with internet addiction disorder: a tract-based spatial statistics study. PLoS One, 2012, 7(1): e30253.
[10]
BiswalB, YetkinFZ, HaughtonVM, et al. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn Reson Med, 1995, 34(4): 537-541.
[11]
ZuoXN, KellyC, Di MartinoA, et al. Growing together and growing apart: regional and sex differences in the lifespan developmental trajectories of functional homotopy. J Neurosci, 2010, 30(45): 15034-15043.
[12]
StarkDE, MarguliesDS, ShehzadZE, et al. Regional variation in interhemispheric coordination of intrinsic hemodynamic fluctuations. J Neurosci, 2008, 28(51): 13754-13764.
[13]
ZhouFQ, GongHH, WuL, et al. MRI study of brain mirror homotopy functional connectivity in patients with amyotrophic lateral sclerosis. Chin J Radiol, 2014, 48(5): 375-380.
周福庆龚洪翰吴麟,.肌萎缩侧索硬化症患者脑镜像同伦功能连接的MRI初步研究.中华放射学杂志, 2014, 48(5): 375-380.
[14]
TangC, ZhaoZ, ChenC, et al. Decreased functional connectivity of homotopic brain regions in chronic stroke patients: A resting state fMRI study. PLoS One, 2016, 11(4): e0152875.
[15]
WeiJ, WeiS, YangR, et al. Voxel-mirrored homotopic connectivity of resting-state functional magnetic resonance imaging in blepharospasm. Front Psychol, 2018, 9: 1620.
[16]
ZhaoL, WangY, JiaY, et al. Altered interhemispheric functional connectivity in remitted bipolar disorder: A resting state fMRI study. Sci Rep, 2017, 7(1): 4698.
[17]
JiangK, DingL, LiH, et al. Degree centrality and voxel-mirrored homotopic connectivity in children with nocturnal enuresis: A functional MRI study. Neurol India, 2018, 66(5): 1359-1364
[18]
WenC, ZhuTM, DaiY, et al. Progress in neuroimaging research on brain mechanism of internet addiction. Chin J Integr Tradi & West Med, 2016, 14(3): 127-130.
文超朱天民代宇,.网络成瘾脑机制的神经影像学研究进展.中国中西医结合影像学杂志, 2016, 14(3): 127-130.
[19]
BucknerRL, Andrews-HannaJR, SchacterDL. The brain's default network. Ann N Y Acad Sci, 2008, 1124(1): 1-38.
[20]
WeeCY, ZhaoZ, YapPT, et al. Disrupted brain functional network in internet addiction disorder: a resting-state functional magnetic resonance imaging study. PLoS One, 2014, 9(9): e107306.
[21]
DingX, LeeSW. Cocaine addiction related reproducible brain regions of abnormal default-mode network functional connectivity: a group ICA study with different model orders. Neurosci Lett, 2013, 548: 110-114.
[22]
TscherneggM, CroneJS, EigenbergerT, et al. Abnormalities of functional brain networks in pathological gambling: a graph-theoretical approach. Front Hum Neurosci, 2013, 7: 625.
[23]
TanabeJ, NybergE, MartinLF, et al. Nicotine effects on default mode network during resting state. Psychopharmacology, 2011, 216(2): 287-295.
[24]
MaN, LiuY, FuXM, et al. Abnormal brain default-mode network functional connectivity in drug addicts. PLoS One, 2011, 6(1): e16560.
[25]
ChanraudS, PitelAL, PfefferbaumA, et al. Disruption of functional connectivity of the default-mode network in alcoholism. Cerebral Cortex, 2011, 21(10): 2272-2281.
[26]
DingWN, SunJH, SunYW, et al. Trait impulsivity and impaired prefrontal impulse inhibition function in adolescents with internet gaming addiction revealed by a Go/No-Go fMRI study. Behav Brain Funct, 2014, 10(1): 20.
[27]
FengQ, ChenX, SunJ, et al. Voxel-level comparison of arterial spin-labeled perfusion magnetic resonance imaging in adolescents with internet gaming addiction. Behav Brain Funct, 2013, 9(1): 33.
[28]
ZhangSS, WuW, LiuZP, et al. Altered regional homogeneity in experimentally induced low back pain: a resting-state fMRI study. J Neuroeng Rehabil, 2014, 11(1): 115.
[29]
HuangT, ZhaoZ, YanC, et al. Altered spontaneous activity in patients with persistent somatoform pain disorder revealed by regional homogeneity. PLoS One, 2016, 11(3): e0151360.
[30]
DuWP, LiuJ, ZhouSK, et al. Resting functional magnetic resonance imaging of college students with internet addiction based on ReHo method. Chin J Clin Psychol, 2012, 20(4): 474-476.
杜万萍刘军周顺科,.基于ReHo方法的大学生网络成瘾静息功能磁共振成像研究.中国临床心理学杂志, 2012, 20(4): 474-476.
[31]
HormesJM, KearnsB, TimkoCA. Craving facebook? behavioral addiction to online social networking and its association with emotion regulation deficits. Addiction, 2014, 109(12): 2079-2088.
[32]
CasaleS, CaplanSE, FioravantiG. Positive metacognitions about internet use: the mediating role in the relationship between emotional dysregulation and problematic use. Addict Behav, 2016, 59: 84-88.
[33]
ParkerJD, TaylorRN, EastabrookJM, et al. Problem gambling in adolescence: Relationships with internet misuse, gaming abuse and emotional intelligence. Pers Individ Dif, 2008, 45(2): 174-180.
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词