HUMAN BRIAN MAPPING:大脑形态学指标可预测过度使用互联网的严重程度
2022-04-02 MedSci原创 MedSci原创
大脑某些区域的变化比奖励系统和心理测量更具有预测性，对EIU更重要。
过度使用互联网(EIU)已成为一个健康问题，特别是在青少年和年轻人中。负面后果包括长期睡眠不足、身体健康恶化、难以集中精力工作以及与家庭成员的亲密关系减少，这些都对生活质量产生负面影响。由于以往的研究主要集中在奖赏系统和相应的大脑区域，大脑形态与过度网络使用之间的关系尚不明确。
Li Wan等在HUAMN BRAIN MAPPING杂志发表研究文章，旨在揭示(1)脑形态指标与脑损伤严重程度的关系;(2)共同因素对关系的影响;(3)奖赏系统和其他相关脑区在EIU预测方面的相对优势。
研究方案
该研究数据来自131名过度使用互联网的用户。心理测量包括互联网使用、生活质量、个性、精神疾病症状、冲动和思想压抑。用3T磁共振成像(MRI)对脑进行扫描，计算6种脑形态指标。采用Lasso回归方法选择预测因子。采用逐步线性回归的方法建立模型并对模型进行验证。
模型中剩余的变量为左侧中央前区(曲度)、左侧颞上回(表面积)、右侧楔叶(折叠指数)、右侧前扣带回喙突(折叠指数)和伤害回避。
线性回归模型、散点图和拟合线中的因素
独立变量是EIU在过去一年中最差一周的得分。
研究发现，除了奖赏系统外，大脑的形态指标，包括左侧中央前回(曲度)、左侧颞上回(表面积)、右侧楔叶(折叠指数)和右侧前扣带喙突(折叠指数)，可以预测EIU的严重程度，表明大脑中存在广泛的变化。
线性回归模型、散点图和拟合线中的因素(奖励系统)
线性回归模型、散点图和拟合线中的因素(心理测量)
该研究得出结论，大脑某些区域的变化比奖励系统和心理测量更具有预测性，对EIU更重要。
原文出处
Brain morphology, harm avoidance, and the severity of excessive internet use. Li Wan,First published: 25 March 2022 https://doi.org/10.1002/hbm.25842
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#human#
81
#脑形态#
64
#mapping#
76
#互联网#
76