Artículo de método

Interrupción de sincronía neuronal del lóbulo Frontal durante Control cognitivo por intoxicación de Alcohol

DOI:

10.3791/58839

⸱

6 de febrero de 2019

 ,  ,  ,  , 
1Department of Psychology, San Diego State University, 2Department of Radiology, University of California San Diego, 3Department of Neurosciences, University of California San Diego, 4San Diego State University/UC San Diego Joint Doctoral Program in Clinical Psychology

En este artículo

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este experimento utiliza un método anatómico limitado Magnetoencefalografía (aMEG) para examinar la dinámica oscilatoria cerebral y sincronía funcional a largo plazo durante la contratación del control cognitivo en función de la intoxicación aguda del alcohol.

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Toma de decisiones se basa en interacciones dinámicas de las regiones del cerebro distribuidas, sobre todo frontal. Amplia evidencia de los estudios de la proyección de imagen de resonancia magnética funcional (fMRI) indica que la corteza cingulada anterior (ACC) y las cortezas prefrontales lateral (latPFC) son los nodos esenciales que favorecían el control cognitivo. Sin embargo, debido a su limitada resolución temporal, fMRI no refleja con exactitud el momento y la naturaleza de su interacción presumido. El presente estudio combina modelado de distribución fuente de la señal temporal precisa Magnetoencefalografía (MEG) con resonancia magnética estructural en forma de "películas de cerebro": (1) estimación de las áreas corticales implicadas en el control cognitivo ("Dónde"), (2) caracterizar su secuencia temporal ("cuando") y (3) cuantificar la dinámica oscilatoria de sus interacciones neuronales en tiempo real. Interferencia de Stroop se asoció con mayor poder relacionadas con el evento theta (4-7 Hz) en el CAC durante la detección de conflicto seguida de sensibilidad sostenido demandas cognitivas en el ACC y latPFC durante la preparación de la integración y respuesta. Un análisis fase de cierre reveló co-oscillatory interacciones entre estas áreas indicando su mayor sincronía neuronal en la banda theta durante los ensayos incongruentes inductores de conflicto. Estos resultados confirman que las oscilaciones de la theta son fundamentales para sincronización a largo plazo necesaria para la integración de influencias de arriba hacia abajo durante el control cognitivo. MEG refleja la actividad de los nervios directamente, que lo hace apto para manipulaciones farmacológicas en contraste con fMRI que es sensible a vasoactivo confunde. En el presente estudio, bebedores sociales sanos recibieron una dosis moderada del alcohol y el placebo en un diseño en el tema. Intoxicación aguda atenuada energía theta a Stroop conflicto y altera Co las oscilaciones entre la ACC y latPFC, confirmando que el alcohol es perjudicial para la sincronía neural que favorecían el control cognitivo. Interfiere con el comportamiento meta-dirigido que puede resultar en deficiencias de autocontrol, contribuyendo al consumo compulsivo. En suma, este método puede proporcionar la penetración en las interacciones en tiempo real durante el procesamiento cognitivo y puede caracterizar la sensibilidad selectiva al reto farmacológico a través de las redes neuronales.

Introducción

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El objetivo general de este estudio es examinar los efectos de la intoxicación aguda del alcohol sobre los cambios espacio-temporales en la dinámica oscilatoria cerebral e integración funcional a largo plazo durante el control cognitivo. El multimodal empleado imagen enfoque combina la magnetoencefalografía (MEG) y estructurales de resonancia magnética (MRI) para proporcionar la penetración en las bases neurales de la toma de decisiones con la alta precisión temporal y a nivel de un sistema interactivo.

Comportamiento flexible hace posible adaptarse a demandas contextuales y cambiar estratégicamente entre diferentes tareas y requisitos de acuerdo con las intenciones y objetivos. La capacidad para inhibir respuestas automáticas a favor de acciones meta-relevantes pero no habitual es un aspecto esencial del control cognitivo. Extensa evidencia sugiere que es favorecido por una red cortical predominantemente frontal, con la corteza cingulada anterior (ACC) como nodo central en esta red interactiva1,2,3,4. Mientras que la conectividad anatómica abundante entre la ACC y cortezas frontales laterales es bien descrito5,6, las características funcionales de la comunicación entre estas regiones durante el control cognitivo, selección de respuesta y ejecución, son mal entendido.

El conflicto altamente influyente teoría7,8 de monitoreo propone que el control cognitivo se deriva de una interacción dinámica entre las cortezas prefrontales mediales y laterales. Este relato pretende que el ACC monitorea conflicto entre representaciones que compiten y activa la corteza prefrontal lateral (latPFC) para implementar control de respuesta y optimizar el rendimiento. Sin embargo, esta cuenta se basa principalmente en los estudios funcionales de MRI (fMRI) utilizando la señal de sangre oxigenación nivel dependiente (en negrilla). La señal del fMRI en negrilla es una herramienta de mapeo espacial excelente, pero su resolución temporal es limitada porque refleja cambios hemodinámicos regionales mediadas por acoplamiento neurovascular. Como resultado, los cambios de señal audaz despliegan en mucho menor escala de tiempo (en segundos) que el subyacente de eventos neuronales (en milisegundos)9. Además, la señal en negrilla es sensible a los efectos vasoactivos de alcohol10 y puede no representar con precisión la magnitud de los cambios neuronales, que resulta menos adecuado para los estudios de intoxicación aguda del alcohol. Por lo tanto, la supuesta interacción entre las cortezas prefrontales mediales y laterales y su sensibilidad a la intoxicación alcohol deban ser examinadas por métodos que registran eventos neuronales de manera temporal precisa. MEG tiene una excelente resolución temporal puesto que refleja directamente las corrientes postsinápticas. La metodología de MEG (aMEG) anatómicamente restringido aquí es un enfoque multimodal que combina distribuida modelos de fuente de la señal de MEG con MRI estructural. Permite la estimación de donde que están ocurriendo los cambios oscilatorios de cerebro relacionadas con el conflicto y la bebida y a entender la secuencia temporal ("cuando") de los componentes de los nervios implicados.

Toma de decisiones se basa en las interacciones de las regiones del cerebro distribuidas que participan dinámicamente para hacer frente a las demandas crecientes de control cognitivo. Una forma para estimar cambios en sincronía a largo plazo entre dos regiones corticales relacionados con el evento es para el cálculo de su fase de acoplamiento como un índice de sus oscilaciones Co11,12. El presente estudio aplica un bloqueo de fase de análisis para probar el principio básico del conflicto teoría de monitoreo mediante el examen de las interacciones co-oscillatory entre la ACC y latPFC. Las oscilaciones neuronales en rango theta (4-7 Hz) están asociadas con el control cognitivo y se han propuesto como un mecanismo fundamental de apoyo a la sincronización a largo plazo necesaria para el procesamiento cognitivo de arriba hacia abajo13,14, 15,16. Se generan en las áreas prefrontales en función de la dificultad de la tarea y se atenúan significativamente por alcohol aguda intoxicación17,18,19,20.

Consumo excesivo de alcohol a largo plazo se asocia con una serie de déficits cognitivos con un circuito prefrontal siendo especialmente afectados21,22. Intoxicación aguda del alcohol es perjudicial para el control cognitivo bajo condiciones de dificultad creciente, ambigüedad o aquellos que inducen respuesta incompatibilidad17,23,24. Afectando la toma de decisiones, alcohol puede interferir con el comportamiento meta-dirigido, puede resultar en pobre autocontrol y mayor consumo y también puede contribuir a tráfico o laboral riesgos25,26,27 . El presente estudio utiliza un enfoque de aMEG para medir la actividad oscilatoria en banda theta y sincronía entre las principales áreas de ejecutivas con excelente resolución temporal. Se examinan los efectos del alcohol sobre la actividad de la theta y co oscilaciones entre la ACC y la latPFC en función del conflicto suscitado por la tarea de interferencia de Stroop. Presumimos que las demandas cognitivas crecientes se asocian a mayor sincronía funcional y eso dysregulation alcohol-inducida de la actividad sincrónica de las cortezas prefrontales mediales y laterales es la base de deficiencias en el control cognitivo.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo experimental ha sido aprobado por el Comité de protección de sujetos humanos en la Universidad de California, San Diego.

1. humanos

  1. Reclutar a voluntarios adultos diestros sanos, obtener su consentimiento y pantalla en los criterios de inclusión y exclusión.
    Nota: En este estudio, veinte individuos jóvenes, sanos (media ± desviación estándar [SD] edad = 25,3 ± 4,4 años) incluya 8 mujeres que beben con moderación, que nunca han estado en tratamiento o arrestado por drogas o alcohol delitos relacionados, que informe no fueron reclutadas síntomas relacionados con el alcoholismo en la prueba de alcoholismo de Michigan corto para detección28, que no fume ni utilice sustancias ilegales, que no tienen antecedentes de trastornos neuropsiquiátricos o cualquier problema de salud actual, y que son medicamentos gratis y no tienen objetos ferromagnéticos internos o implantes.

2. diseño

  1. Analizar a cada participante cuatro veces, incluyendo tres sesiones de MEG (una sesión introductoria no bebida y dos sesiones de bebida experimental en el que el alcohol y placebo son administradas de manera contrapesada) y una resonancia magnética estructural.
    Nota: En este diseño en el tema, los participantes sirven como sus propios controles participando en sesiones de alcohol y placebo. Este diseño reduce la varianza de error y aumenta la potencia estadística al minimizar la influencia de la variabilidad individual en la anatomía cerebral, patrones de actividad y metabolismo del alcohol.

3. recogida de MEG explora

  1. Realizar sesión de familiarización.
    1. Durante la sesión introductoria inicial, administrar cuestionarios para obtener más información sobre el historial médico de los participantes, los patrones de consumo y severidad de los síntomas relacionados con el alcoholismo28,29, historia familiar de alcoholismo30y rasgos de personalidad como la impulsividad31,32.
    2. Llevar a cabo un registro inicial en el escáner de MEG siguiendo el protocolo que se describe a continuación en los pasos 3.2, 3.3 y 3.5. No proporcionan ninguna bebida. Explicar la tarea y ejecutar práctica versión que permite a los participantes familiarizarse con él antes.
      Nota: La aclimatación a la situación experimental tiene el propósito de minimizar los efectos potenciales de excitación inducida por la situación de33, tal modo comparación posterior alcohol y sesiones de placebo en esa dimensión.
  2. Realizar las sesiones experimentales de alcohol/placebo.
    Nota:     siga el mismo procedimiento experimental durante las sesiones de alcohol y el placebo con la excepción de la bebida administrada. Contrabalancear orden de bebidas mediante la administración de bebidas de alcohol primero a una mitad de los participantes y el placebo a la otra mitad en un orden aleatorio.
    1. A su llegada al laboratorio MEG, ejecute una exploración breve prueba poniendo al participante en el escáner y comprobar los canales para magnetización posible. Medir su peso. Les de la pantalla con un alcoholímetro electrónico. Les consulta sobre el cumplimiento con los requisitos abstenerse del alcohol durante 48 h y del alimento para 3 h antes del experimento.
    2. Recoger muestras de orina para un panel de prueba multi-drug de todos los participantes y excluirlos que tienen prueba positiva para cualquier droga. Además, compruebe los participantes femenino para el embarazo con una orina prueban y los test positivo o si sospecha que podría estar embarazadas excluyen.
    3. Evaluar los cambios dinámicos en los efectos subjetivos del alcohol de los participantes pide a sus sentimientos momentáneos y Estados en una escala estandarizada34 antes de beber y en dos ocasiones adicionales durante el experimento - en la rama ascendente (~ 15 minutos después de consumir bebidas) y rama descendente de la curva de la concentración de alcohol de aliento (BrAC), después de MEG la grabación.
    4. Administrar una carrera de práctica de la tarea de Stroop en un portátil con el software de presentación de estímulos para asegurar que los participantes comprendan la tarea antes de grabar.
      Nota: Esta versión de la tarea Stroop combina lectura y color denominación (figura 1). La condición congruente consiste en palabras de color (es decir, rojo, verde, azul, amarillo) que se imprimen en color de la fuente correspondiente (es decir, la palabra "verde" se imprime en verde). En la condición incongruente, palabras de color se imprimen en color que no coincide con su significado (es decir, la palabra "verde" está impreso en amarillo). Pregúntele a los participantes a la prensa uno de los cuatro botones correspondientes al color de la fuente cuando se escribe una palabra en color, o cuando una palabra está escrita en gris, al botón correspondiente al significado de la palabra18,23.
  3. Preparar la grabación de EEG/MEG.
    Nota:     datos de MEG de adquisición de datos se han descrito en anteriores publicaciones35,36,37.
    1. Coloque la tapa del EEG o los electrodos de EEG en la cabeza del participante y comprobar que todos impedancias por debajo de 5 kΩ.
    2. Conectar las bobinas del indicador (HPI) de posición de la cabeza a ambos lados de la frente y detrás de cada oreja.
      Nota: Este paso es específico para sistemas Neuromag.
    3. Digitalizar las posiciones de los puntos fiduciales incluyendo el nasion y dos puntos preauriculares, posiciones de las bobinas HPI, electrodos de EEG y obtener un gran número de puntos adicionales (~ 200) delinear la forma de la cabeza. Usar esta información para el co-registro con las imágenes de IRM anatómicas (figura 2).
  4. Administrar bebidas.
    1. Preparar bebidas alcohol mezclando vodka de calidad premium con jugo de naranja refrigerado (25% v/v), basado en el género de cada participante y el peso (alcohol de 0,60 g/kg para los hombres, alcohol de 0,55 g/kg para las mujeres), dirigidos a un BrAC de 0.06%38. Sirva el mismo volumen de jugo de naranja en vasos con llantas aplica con vodka como bebida placebo. Pregunte al participante a consumir la bebida en aproximadamente 10 minutos.
    2. Compruebe BrAC los participantes con el alcoholímetro a partir de ~ 15 minutos después de beber y luego cada 5 min hasta que entran en la sala de grabación. Puesto que los dispositivos electrónicos no pueden utilizarse en la sala blindada, utilice una prueba de alcohol de saliva, que consiste en un hisopo de algodón que está saturado en la saliva y se inserta en un receptáculo que proporciona una lectura.
  5. Adquirir datos de EEG/MEG.
    1. Posición del participante cómodamente en el explorador. Puesto que la actividad prefrontal es de particular interés, asegúrese de que el participante se coloca de modo que su cabeza esté en contacto con la parte superior del casco y está alineada a lo largo de la parte delantera.
      Nota: Posición de la cabeza puede afectar las estimaciones de la actividad en formas significativas debido a los gradientes de campo magnético disminuyen con el cubo de la distancia entre los sensores y el cerebro fuentes39.
    2. Conectar bobinas HPI y todos los electrodos a sus entradas respectivas en el escáner. Coloque las almohadillas de respuesta para que los botones se pueden presionar cómodamente. Comprobar que la fuente es claramente legible en la pantalla de proyección delante del participante.
    3. En la sala de consola, compruebe que el intercomunicador está funcionando correctamente. Recordar a los participantes para reducir al mínimo el parpadeo y evitar movimientos como el movimiento principal causado por hablar. Instruir a los participantes a responder a preguntas presionando los botones de respuesta en su lugar.
    4. Compruebe que todos los desencadenadores de respuesta y el estímulo se registran correctamente. Examinar todos los canales para artefactos y medir la posición de la cabeza en el escáner.
    5. Iniciar la adquisición de datos y comenzar la tarea. Dar saltos cada minuto de ~2.5 para descansar los ojos. Guardar los datos a la finalización de la tarea y acompañar a los participantes de la cámara de grabación.
    6. Cuando el participante ha cerrado el explorador, adquirir aproximadamente dos minutos de datos de la sala vacía como una medida de ruido instrumental.
    7. Pregunte al participante a la tasa que percibe la dificultad de la tarea, contenido de la bebida embebida, como estado de embriaguez se sentían, así como su estado de ánimo momentáneo y sentimientos34.

4. adquisición y reconstrucción Cortical de resonancia magnética estructural de la imagen

  1. Obtener una alta resolución anatómica de resonancia para cada participante y reconstruir la superficie cortical de cada participante con FreeSurfer software40,41,42.
  2. Utilizar la superficie interna del cráneo derivada de las imágenes de MRI estructurales segmentadas para generar un modelo límite del conductor de volumen, que se utiliza para proporcionar un modelo para la solución de avance acorde con cerebro anatomía43 cada individuo , 44.

5. Análisis de datos MEG

Nota: Analizar los datos con el enfoque de MEG anatómicamente restringido que utiliza reconstruida superficie cortical de cada participante para restringir las estimaciones de la fuente de la cinta cortical40,45,46. La secuencia de análisis se basa en funciones personalizadas con dependencias disponibles paquetes que incluyen paseo47EEGLab48y MNE49.

  1. Durante el preprocesamiento de datos, utilice un filtro band-pass permisiva (por ejemplo, 0.1 - 100 Hz) y datos de la época con respecto a la aparición del estímulo en segmentos que incluyen acolchado intervalos en cada extremo (por ejemplo, -600 a 1100 m para un intervalo de interés que abarca -300 a 800 m después de la retiro del acolchado).
  2. Quitar canales ruidosos y planos, así como los ensayos que contiene artefactos por inspección visual y uso de rechazo basadas en umbrales. Uso de análisis componente independiente48 para eliminar artefactos eyeblink y latidos del corazón. Eliminar los ensayos con respuestas incorrectas.
  3. Aplicar Morlet wavelets (figura 3)47 para calcular el espectro de energía complejo para cada ensayo en incrementos de 1 Hz para la banda de frecuencia theta (4-7 Hz). Retire cualquier artefactos adicionales. Calcular la covarianza del ruido de los datos de la habitación vacía.
  4. Co, registrar los datos de la MEG con imágenes de MRI con la información de digitalización de cabeza (3D) tridimensional (figura 2).
    1. Abra el módulo MRIlab.
    2. Seleccione archivo | Abierto | Seleccione MRI estructural del sujeto.
    3. Seleccione archivo | Importación | Datos de Isotrak | Seleccione archivo raw data.fif | Hacer puntos.
    4. Seleccione Windows | Lugares de interés | Ajuste de puntos de interés de referencia hasta co registro de datos de la MEG y MRI son aceptables.
    5. Seleccione archivo | Guardar.
  5. Calcular las estimaciones de la sensibilidad a ruido normalizado de la energía de la fuente de theta y la fase con un enfoque de mapeo estadístico dinámico espectral18,50. Expresar energía de la fuente de theta relacionadas con eventos como cambio de señal por ciento con respecto a la línea de base.
  6. Crear promedios del grupo de energía de la fuente de theta relacionadas con eventos morphing las estimaciones de cada participante en un medio de representación cortical51.
  7. Visualizar las fuente estimaciones sobre una superficie media inflada para mejorar la visibilidad de las estimaciones sulcal (figura 4).
    1. Abra el software de las empresas multinacionales.
    2. Seleccione archivo | Superficie de carga | Carga inflado superficie cortical de FreeSurfer grupo media.
    3. Seleccione archivo | Administrar superposiciones | Stc de carga | Cargar los datos promedio de grupo | Seleccione el archivo cargado de recubrimientos disponibles.
    4. Tipo Select overlay como otros.
    5. Ajuste de umbral de escala de Color | Mostrar.
    6. Ver peliculas de cerebro y examinar etapas espacio-temporal del proceso mediante la identificación de las áreas y las ventanas de tiempo caracterizadas por alta activación.
  8. Crear imparciales regiones de interés (ROIs) basándose en las estimaciones promedio general grupo incorporar localizaciones corticales con más energía de la fuente. Calcular cursos de tiempo para cada tema, el estado y el retorno de la inversión (figura 5).
  9. Presentar las estimaciones de energía fuente de theta obtenidos para el análisis estadístico.
    1. Extraiga el tiempo windows de interés de cada curso de tiempo de retorno de la inversión y realizar análisis de varianza (ANOVA) con bebida (alcohol, placebo) y tipo de ensayo (congruente, incongruente) como dentro de los factores del sujeto. Utilizar una permutación no paramétrica basada en cluster de prueba52 para examinar comparaciones bebidas y condición de la potencia theta relacionadas con eventos como valores bien como fase de cierre (PLV).
  10. Estimar cambios en la sincronización a larga distancia entre los focos principales de la activación en el ACC y el latPFC relacionados con la tarea por computación la PLV12. Expresar PLV como cambio porcentual con respecto a la línea de base.
    Nota: La PLV es un indicador de consistencia del ángulo de fase entre las dos ROIs a través de ensayos como mide el grado en que co oscilan en una frecuencia particular y en tiempo real (película 1).
  11. Calcular las correlaciones entre las estimaciones de actividad MEG ROI, índices de desempeño conductual y puntuaciones del cuestionario para informar la interpretación de los resultados observados.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Resultados conductuales indican que la tarea de Stroop manipulado con éxito interferencia de respuesta porque la precisión era la más baja y la respuesta veces más tiempo en los ensayos incongruentes (figura 6). La intoxicación del alcohol baja exactitud pero no afectó el tiempo de reacción de18.

La secuencia espacio-temporal de la actividad en la banda de frecuencia theta co...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Multimodal de método utilizado en este estudio compone de modelado distribuido fuente de la señal temporal precisa de MEG junto con las restricciones espaciales de inversas estimaciones derivadas de MRI estructural de cada participante. El enfoque de la aMEG combina las ventajas de estas técnicas para proporcionar la penetración en las etapas espacio-temporales de la dinámica oscilatoria y la integración a largo plazo que favorecían el control cognitivo. Este método ofrece mayor precisión temporal que otras técnicas de n...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores no tienen nada que revelar.

Agradecimientos

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este trabajo ha sido apoyado por los institutos nacionales de salud (R01-AA016624). Agradecemos al Dr. Sanja Kovacevic por sus importantes contribuciones.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Elekta NeuromagmagnetoencefalografíaElekta
1.5 T GE EXCITE HGEscáner de imágenes de resonancia magnéticaeléctrica general
Electrodos de copa de oro ElectrodosOpenBCIpara registro de EEG simultáneo opcional
Medidor de impedancia de verificaciónDispositivosVerifique las impedancias de los electrodos
Bobinas HPIElektaBobinas indicadoras de posición de la cabeza para co-registro
AlcotestDraegerAlcoholímetro
Almohadilla de respuesta de fibra ópticaCurrent Designs, IncAlmohadilla de respuesta compatible con MEG
Vodka Grey Goose BacardiVodka se utiliza durante la sesión de alcohol
Jugo de naranjadesnudoEl jugo de naranja se usa como bebida durante la sesión de placebo, así como se mezcla con vodka durante la sesión de alcohol.
Tarjeta de prueba de drogasAmerican Screening CorpPrueba
QED Prueba de alcohol en saliva OraSureTechnologies PruebaTiras
reactivas de Hcg en orina Prueba deembarazoJoylive
Pruebacorta de detección de alcohol en MichiganSelzer et al., 1975Cuestionario de detección de alcoholismo
Zuckerman Escala de búsqueda de sensacionesZuckerman, 1971Cuestionario: rasgos desinhibidores, de búsqueda de novedades y de socialización
Inventario de impulsividad de EysenckEysenck & Eysenck, 1978Cuestionario: rasgos de impulsividad Cuestionario de
personalidad de EysenckEysenck & Eysenck, 1975Cuestionario: rasgos de personalidad Escala
bifásica de efectos del alcohol Martin et al., 1993Cuestionario: experiencia subjetiva de los efectos del alcohol
Sistema de de electroencefalografía de preparación generales de drogas multipantallade alcohol en saliva

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Ridderinkhof, K. R., van den Wildenberg, W. P., Segalowitz, S. J., Carter, C. S. Neurocognitive mechanisms of cognitive control: the role of prefrontal cortex in action selection, response inhibition, performance monitoring, and reward-based learning. Brain and Cognition. 56 (2), 129-140 (2004).
  2. Shenhav, A., Cohen, J. D., Botvinick, M. M. Dorsal anterior cingulate cortex and the value of control. Nature Neuroscience. 19 (10), 1286-1291 (2016).
  3. Walton, M. E., Croxson, P. L., Behrens, T. E., Kennerley, S. W., Rushworth, M. F. Adaptive decision making and value in the anterior cingulate cortex. Neuroimage. 36 Suppl 2, T142-T154 (2007).
  4. Heilbronner, S. R., Hayden, B. Y. Dorsal Anterior Cingulate Cortex: A Bottom-Up View. Annual Review of Neuroscience. 39, 149-170 (2016).
  5. Barbas, H. Connections underlying the synthesis of cognition, memory, and emotion in primate prefrontal cortices. Brain Research Bulletin. 52 (5), 319-330 (2000).
  6. Vogt, B. A. Cingulate neurobiology and disease. , Oxford University Press. 114-144 (2009).
  7. Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive, Affective, & Behavioral Neuroscience. 7 (4), 356-366 (2007).
  8. Carter, C. S., van Veen, V. Anterior cingulate cortex and conflict detection: an update of theory and data. Cognitive, Affective, & Behavioral Neuroscience. 7 (4), 367-379 (2007).
  9. Buxton, R. B. Introduction to Functional Magnetic Resonance Imaging. , Cambridge University Press. New York, NY. (2002).
  10. Rickenbacher, E., Greve, D. N., Azma, S., Pfeuffer, J., Marinkovic, K. Effects of alcohol intoxication and gender on cerebral perfusion: an arterial spin labeling study. Alcohol. 45 (8), 725-737 (2011).
  11. Fell, J., Axmacher, N. The role of phase synchronization in memory processes. Nature Reviews Neuroscience. 12 (2), 105-118 (2011).
  12. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  13. Cavanagh, J. F., Frank, M. J. Frontal theta as a mechanism for cognitive control. Trends in Cognitive Sciences. 18 (8), 414-421 (2014).
  14. Sauseng, P., Griesmayr, B., Freunberger, R., Klimesch, W. Control mechanisms in working memory: a possible function of EEG theta oscillations. Neuroscience & Biobehavioral Reviews. 34 (7), 1015-1022 (2010).
  15. Wang, C., Ulbert, I., Schomer, D. L., Marinkovic, K., Halgren, E. Responses of human anterior cingulate cortex microdomains to error detection, conflict monitoring, stimulus-response mapping, familiarity, and orienting. The Journal of Neuroscience. 25 (3), 604-613 (2005).
  16. Halgren, E., et al. Laminar profile of spontaneous and evoked theta: Rhythmic modulation of cortical processing during word integration. Neuropsychologia. 76, 108-124 (2015).
  17. Rosen, B. Q., Padovan, N., Marinkovic, K. Alcohol hits you when it is hard: Intoxication, task difficulty, and theta brain oscillations. Alcoholism: Clinical and Experimental Research. 40 (4), 743-752 (2016).
  18. Kovacevic, S., et al. Theta oscillations are sensitive to both early and late conflict processing stages: effects of alcohol intoxication. PLoS One. 7 (8), e43957(2012).
  19. Marinkovic, K., Rosen, B. Q., Cox, B., Kovacevic, S. Event-related theta power during lexical-semantic retrieval and decision conflict is modulated by alcohol intoxication: Anatomically-constrained MEG. Frontiers in Psychology. 3 (121), (2012).
  20. Beaton, L. E., Azma, S., Marinkovic, K. When the brain changes its mind: Oscillatory dynamics of conflict processing and response switching in a flanker task during alcohol challenge. PLoS One. 13 (1), e0191200(2018).
  21. Oscar-Berman, M., Marinkovic, K. Alcohol: effects on neurobehavioral functions and the brain. Neuropsychology Review. 17 (3), 239-257 (2007).
  22. Le Berre, A. P., Fama, R., Sullivan, E. V. Executive Functions, Memory, and Social Cognitive Deficits and Recovery in Chronic Alcoholism: A Critical Review to Inform Future Research. Alcoholism: Clinical and Experimental Research. 41 (8), 1432-1443 (2017).
  23. Marinkovic, K., Rickenbacher, E., Azma, S., Artsy, E. Acute alcohol intoxication impairs top-down regulation of Stroop incongruity as revealed by blood oxygen level-dependent functional magnetic resonance imaging. Human Brain Mapping. 33 (2), 319-333 (2012).
  24. Marinkovic, K., Rickenbacher, E., Azma, S., Artsy, E., Lee, A. K. Effects of acute alcohol intoxication on saccadic conflict and error processing. Psychopharmacology (Berl). 230 (3), 487-497 (2013).
  25. Field, M., Wiers, R. W., Christiansen, P., Fillmore, M. T., Verster, J. C. Acute alcohol effects on inhibitory control and implicit cognition: implications for loss of control over drinking. Alcoholism: Clinical and Experimental Research. 34 (8), 1346-1352 (2010).
  26. Fillmore, M. T. Drug abuse as a problem of impaired control: current approaches and findings. Behavioral and Cognitive Neuroscience Reviews. 2 (3), 179-197 (2003).
  27. Hingson, R., Winter, M. Epidemiology and consequences of drinking and driving. Alcohol Reseach & Health. 27 (1), 63-78 (2003).
  28. Selzer, M. L., Vinokur, A., Van Rooijen, L. A self-administered Short Michigan Alcoholism Screening Test (SMAST). Journal of Studies on Alcohol. 36 (1), 117-126 (1975).
  29. Babor, T., Higgins-Biddle, J. S., Saunders, J. B., Monteiro, M. G. AUDIT: The Alcohol use disorders identification test: Guidelines for use in primary care. , WHO: World Health Organization. Geneva, Switzerland. (2001).
  30. Rice, J. P., et al. Comparison of direct interview and family history diagnoses of alcohol dependence. Alcoholism: Clinical and Experimental Research. 19 (4), 1018-1023 (1995).
  31. Eysenck, H. J., Eysenck, S. B. G. Manual of the Eysenck Personality Questionnaire. , Hodder & Staughton. (1975).
  32. Eysenck, S. B., Eysenck, H. J. Impulsiveness and venturesomeness: their position in a dimensional system of personality description. Psychological Reports. 43 (3 Pt 2), 1247-1255 (1978).
  33. Begleiter, H., Kissin, B. The Pharmacology of Alcohol and Alcohol Dependence. , Oxford University Press. 248-306 (1996).
  34. Martin, C. S., Earleywine, M., Musty, R. E., Perrine, M. W., Swift, R. M. Development and validation of the Biphasic Alcohol Effects Scale. Alcoholism: Clinical and Experimental Research. 17 (1), 140-146 (1993).
  35. Liu, H., Tanaka, N., Stufflebeam, S., Ahlfors, S., Hamalainen, M. Functional Mapping with Simultaneous MEG and EEG. Journal of Visualized Experiments. (40), (2010).
  36. Lee, A. K., Larson, E., Maddox, R. K. Mapping cortical dynamics using simultaneous MEG/EEG and anatomically-constrained minimum-norm estimates: an auditory attention example. Journal of Visualized Experiments. (68), e4262(2012).
  37. Balderston, N. L., Schultz, D. H., Baillet, S., Helmstetter, F. J. How to detect amygdala activity with magnetoencephalography using source imaging. Journal of Visualized Experiments. (76), (2013).
  38. Breslin, F. C., Kapur, B. M., Sobell, M. B., Cappell, H. Gender and alcohol dosing: a procedure for producing comparable breath alcohol curves for men and women. Alcoholism: Clinical and Experimental Research. 21 (5), 928-930 (1997).
  39. Marinkovic, K., Cox, B., Reid, K., Halgren, E. Head position in the MEG helmet affects the sensitivity to anterior sources. Neurology and Clinical Neurophysiology. , 30(2004).
  40. Dale, A. M., Sereno, M. I. Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach. Journal of Cognitive Neuroscience. 5, 162-176 (1993).
  41. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9 (2), 179-194 (1999).
  42. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 9 (2), 195-207 (1999).
  43. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: opensource software for quasistatic bioelectromagnetics. Biomedical Engineering Online. 9, 45(2010).
  44. Kybic, J., et al. A common formalism for the integral formulations of the forward EEG problem. IEEE Transactions on Medical Imaging. 24 (1), 12-28 (2005).
  45. Dale, A. M., et al. Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity. Neuron. 26 (1), 55-67 (2000).
  46. Marinkovic, K. Spatiotemporal dynamics of word processing in the human cortex. The Neuroscientist. 10 (2), 142-152 (2004).
  47. Oostenveld, R., Fries, P., Maris, E., Schoffelen, J. M. FieldTrip: Open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. , 156869(2011).
  48. Delorme, A., Makeig, S. EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics. Journal of Neuroscience Methods. 134, 9-21 (2004).
  49. Gramfort, A., et al. MNE software for processing MEG and EEG data. Neuroimage. 86, 446-460 (2014).
  50. Lin, F. H., et al. Spectral spatiotemporal imaging of cortical oscillations and interactions in the human brain. Neuroimage. 23 (2), 582-595 (2004).
  51. Fischl, B., Sereno, M. I., Tootell, R. B., Dale, A. M. High-resolution intersubject averaging and a coordinate system for the cortical surface. Human Brain Mapping. 8 (4), 272-284 (1999).
  52. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  53. Marinkovic, K., et al. Spatiotemporal dynamics of modality-specific and supramodal word processing. Neuron. 38 (3), 487-497 (2003).
  54. Nachev, P. Cognition and medial frontal cortex in health and disease. Current Opinion in Neurology. 19 (6), 586-592 (2006).
  55. Kennerley, S. W., Walton, M. E., Behrens, T. E., Buckley, M. J., Rushworth, M. F. Optimal decision making and the anterior cingulate cortex. Nature Neuroscience. 9 (7), 940-947 (2006).
  56. Aron, A. R., Robbins, T. W., Poldrack, R. A. Inhibition and the right inferior frontal cortex: one decade on. Trends in Cognitive Sciences. 18 (4), 177-185 (2014).
  57. Erika-Florence, M., Leech, R., Hampshire, A. A functional network perspective on response inhibition and attentional control. Nature Communications. 5, 4073(2014).
  58. D'Esposito, M., Postle, B. R. The cognitive neuroscience of working memory. Annual Review of Psychology. 66, 115-142 (2015).
  59. Hasselmo, M. E., Stern, C. E. Theta rhythm and the encoding and retrieval of space and time. Neuroimage. 85 Pt 2, 656-666 (2014).
  60. Womelsdorf, T., Johnston, K., Vinck, M., Everling, S. Theta-activity in anterior cingulate cortex predicts task rules and their adjustments following errors. Proceedings of the National Academy of Sciences of the United States of America. 107 (11), 5248-5253 (2010).
  61. Fries, P. A mechanism for cognitive dynamics: neuronal communication through neuronal coherence. Trends in Cognitive Sciences. 9 (10), 474-480 (2005).
  62. Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313 (5793), 1626-1628 (2006).
  63. Varela, F., Lachaux, J. P., Rodriguez, E., Martinerie, J. The brainweb: phase synchronization and large-scale integration. Nature Reviews Neuroscience. 2 (4), 229-239 (2001).
  64. Hanslmayr, S., et al. The electrophysiological dynamics of interference during the Stroop task. Journal of Cognitive Neuroscience. 20 (2), 215-225 (2008).
  65. Niendam, T. A., et al. Meta-analytic evidence for a superordinate cognitive control network subserving diverse executive functions. Cognitive, Affective, & Behavioral Neuroscience. 12 (2), 241-268 (2012).
  66. Sadaghiani, S., D'Esposito, M. Functional Characterization of the Cingulo-Opercular Network in the Maintenance of Tonic Alertness. Cerebral Cortex. 25 (9), 2763-2773 (2015).
  67. Dosenbach, N. U., Fair, D. A., Cohen, A. L., Schlaggar, B. L., Petersen, S. E. A dual-networks architecture of top-down control. Trends in Cognitive Sciences. 12 (3), 99-105 (2008).
  68. Bullmore, E., Sporns, O. The economy of brain network organization. Nature Reviews Neuroscience. 13 (5), 336-349 (2012).
  69. Fornito, A., Zalesky, A., Breakspear, M. The connectomics of brain disorders. Nature Reviews Neuroscience. 16 (3), 159-172 (2015).
  70. Anderson, B. M., et al. Functional imaging of cognitive control during acute alcohol intoxication. Alcoholism: Clinical and Experimental Research. 35 (1), 156-165 (2011).
  71. Kareken, D. A., et al. Family history of alcoholism interacts with alcohol to affect brain regions involved in behavioral inhibition. Psychopharmacology (Berl). 228 (2), 335-345 (2013).
  72. Schuckit, M. A., et al. fMRI differences between subjects with low and high responses to alcohol during a stop signal task. Alcoholism: Clinical and Experimental Research. 36 (1), 130-140 (2012).
  73. Nikolaou, K., Critchley, H., Duka, T. Alcohol affects neuronal substrates of response inhibition but not of perceptual processing of stimuli signalling a stop response. PLoS One. 8 (9), e76649(2013).
  74. Gan, G., et al. Alcohol-induced impairment of inhibitory control is linked to attenuated brain responses in right fronto-temporal cortex. Biology Psychiatry. 76 (9), 698-707 (2014).
  75. Ehlers, C. L., Wills, D. N., Havstad, J. Ethanol reduces the phase locking of neural activity in human and rodent brain. Brain Research. 1450, 67-79 (2012).
  76. Goldstein, R. Z., Volkow, N. D. Dysfunction of the prefrontal cortex in addiction: neuroimaging findings and clinical implications. Nature Reviews Neuroscience. 12 (11), 652-669 (2011).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Magnetoencefalograf aoscilaciones thetac ngulo anteriorprefrontal lateraltarea de Stroopbloqueo de fase

Artículos relacionados