Article de méthode

Perturbation du Lobe Frontal synchronie neuronale au cours du contrôle cognitif par l’intoxication alcoolique

DOI :

10.3791/58839

⸱

6 février 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

Dans cet article

Résumé

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

Cette expérience utilise une méthode de magnétoencéphalographie anatomiquement sont limitées (aMEG) d’examiner la dynamique oscillatoire de cerveau et de la synchronie fonctionnelle à long terme au cours de l’engagement du contrôle cognitif en fonction d’une intoxication alcoolique aiguë.

Résumé

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

Prise de décision s’appuie sur les interactions dynamiques de régions distribuées, essentiellement frontal du cerveau. Nombreux éléments de preuve des études d’imagerie de résonance magnétique fonctionnelle (IRMf) indique que le cingulaire antérieur (ACC) et le cortex préfrontal latéral (latPFC) des nœuds essentiels favorisant le contrôle cognitif. Toutefois, en raison de sa résolution temporelle limitée, IRMf ne peut pas refléter le calendrier et la nature de leur interaction présumée. La présente étude combine source distribué modélisation du signal temporel précis magnétoencéphalographie (MEG) avec IRM structurelle sous forme de « films de cerveau » à : (1) estimation les aires corticales impliquées dans le contrôle cognitif (« où »), (2) caractérisent leur séquence temporelle (« quand ») et (3) quantifier la dynamique oscillatoire de leurs interactions neurales en temps réel. Interférence de Stroop a été associée à une plus grande puissance liées à l’événement thêta (4-7 Hz) de l’ACC pendant la détection de conflit suivie de sensibilité soutenue aux exigences cognitives dans l’ACC et latPFC lors de la préparation de l’intégration et de la réponse. Une analyse de verrouillage de phase a révélé des interactions co-oscillatory entre ces zones indiquant leur synchronie neuronale accrue dans la bande thêta pendant les essais incongrus inductrices de conflit. Ces résultats confirment que les oscillations thêta sont fondamentales pour la synchronisation à long terme nécessaire pour intégrer des influences de haut en bas au cours du contrôle cognitif. MEG reflète l’activité neurale directement, ce qui le rend adapté aux manipulations pharmacologiques contrairement aux IRMf qui est sensible aux vasoactifs confond. Dans la présente étude, des buveurs sociaux sains ont reçu une dose modérée d’alcool et le placebo dans une conception intra-sujet. Intoxication aiguë atténuée thêta pouvoir Stroop conflit et dysrégulation co oscillations entre le CAC et le latPFC, confirmant que l’alcool est nuisible à la synchronie neuronale favorisant le contrôle cognitif. Il interfère avec le comportement ciblé qui peut conduire à la maîtrise de soi déficiente, contribuant à une consommation compulsive. En somme, cette méthode peut fournir la perspicacité dans les interactions en temps réel au cours du traitement cognitif et peut caractériser la sensibilité sélective au défi pharmacologique à travers les réseaux de neurones.

Introduction

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

L’objectif général de cette étude est d’examiner les effets d’une intoxication alcoolique aiguë sur changements spatio-temporels dans la dynamique oscillatoire de cerveau et l’intégration fonctionnelle à long terme au cours du contrôle cognitif. Le travailleur multimodal d’imagerie approche combine magnétoencéphalographie (MEG) et structurels d’imagerie par résonance magnétique (IRM) pour donner un aperçu de la base neurale de prise de décision avec une grande précision temporelle et au niveau d’un système interactif.

Comportement flexible permet de s’adapter à l’évolution des exigences contextuelles et de basculer stratégiquement entre différentes tâches et exigences en accord avec ses intentions et objectifs. La capacité de supprimer les réponses automatiques en faveur des actions objectif pertinent mais non habituelle est un aspect essentiel du contrôle cognitif. Une preuve abondante donne à penser qu’il est effectué par un réseau cortical prédominance frontal, avec le cortex cingulaire antérieur (CCA) comme un point nodal dans ce réseau interactif1,2,3,4. Alors que la connectivité anatomique abondante entre le CAC et le cortex frontal latéral est bien décrit5,6, les caractéristiques fonctionnelles de la communication entre ces régions au cours du contrôle cognitif, la sélection de la réponse et exécution, sont mal compris.

Le conflit très influent théorie7,8 de surveillance propose que contrôle cognitif résulte d’une interaction dynamique entre le cortex préfrontal médial et latéral. Ce compte prétend que l’ACC surveille le conflit entre les représentations concurrentes et engage le cortex préfrontal latéral (latPFC) à mettre en œuvre le contrôle de la réponse et optimiser les performances. Toutefois, ce compte repose principalement sur les études de MRI (IRMf) fonctionnelles en utilisant le signal de niveau (BOLD) dépendant sang oxygénation. Le signal IRMf-BOLD est un outil de cartographie spatiale excellent, mais sa résolution temporelle est limitée parce qu’il reflète les modifications hémodynamiques régionale médiées par un couplage neurovasculaire. Par conséquent, les modifications de signal "BOLD" se déroulent sur une beaucoup plus lente échelle de temps (en secondes) que le sous-jacent des événements neuronaux (en millisecondes)9. En outre, le signal "BOLD" est sensible à effets vasoactifs10 de l’alcool et ne représente pas exactement l’ampleur des changements neurones, qui le rend moins approprié pour l’étude de l’intoxication alcoolique aiguë. Par conséquent, l’interaction présumée entre le cortex préfrontal médial et latéral et sa sensibilité à l’alcool intoxication besoin d’être examinée par des méthodes qui enregistrent les événements neurones de manière précise dans le temps. MEG a une excellente résolution temporelle, puisqu’elle reflète directement les courants postsynaptiques. La méthodologie de MEG (aMEG) contraint anatomiquement employée ici est une approche multimodale qui combine distribué de modélisation de la source du signal MEG avec IRM structurelle. Elle permet l’estimation où que les boisson-liées au conflit et cerveau oscillatoire changements se produisent et de comprendre la séquence temporelle (« quand ») des éléments neurones impliqués.

Prise de décision s’appuie sur les interactions entre les régions du cerveau distribués qui sont dynamiquement engagées pour faire face à des exigences accrues sur contrôle cognitif. Estimer les changements liés à l’événement en synchronie à longue distance entre les deux régions corticales consiste à calculer leur phase de couplage comme indice de leurs oscillations co11,12. La présente étude appliqué une analyse à verrouillage de phase pour tester le principe fondamental du conflit suivi théorie en examinant les interactions co-oscillatory entre le CAC et le latPFC. Oscillations neurales dans gamme thêta (4-7 Hz) sont associées à contrôle cognitif et ont été proposées comme un mécanisme fondamental soutenant la synchronisation à distance nécessaire pour un traitement cognitif vertical13,14, 15,16. Ils sont générés dans les zones préfrontal en fonction de la difficulté de la tâche et sont considérablement atténués par aiguë d’alcool intoxication17,18,19,20.

Consommation d’alcool excessive à long terme est associée à une variété de déficits cognitifs avec circuit préfrontal étant particulièrement touchées21,22. Une intoxication alcoolique aiguë est préjudiciable au contrôle cognitif dans les conditions de difficulté accrue, ambiguïté ou ceux qui induisent la réponse incompatibilité17,23,24. En affectant la prise de décisions, l’alcool peut-être interférer avec le comportement ciblé, peut entraîner mauvaise maîtrise de soi et la consommation accrue d’alcool et peut aussi contribuer au trafic - ou liées au travail risques25,26,27 . La présente étude utilise une approche aMEG pour mesurer l’activité oscillatoire en bande thêta et synchronisme entre les principaux domaines exécutifs avec une excellente résolution temporelle. Les effets de l’alcool sur l’activité thêta et co oscillations entre le CAC et le latPFC sont examinés en fonction du conflit suscité par la tâche d’interférence de Stroop. Nous émettons l’hypothèse qu’accrue des exigences cognitives sont associées à une plus grande synchronie fonctionnelle et ce dérèglement induite par l’alcool de l’activité synchrone de la cortex préfrontal médial et latéral sous-tend des déficiences dans le contrôle cognitif.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

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

Ce protocole expérimental a été approuvé par le Comité de Protection des sujets humains à l’Université de Californie, San Diego.

1. human Subjects

  1. Recruter des volontaires adultes sains droitiers, d’obtenir leur consentement et leur écran sur les critères d’inclusion/exclusion.
    Remarque : Dans cette étude, vingt personnes jeunes et en bonne santé (± écart-type [SD] âge moyen = 25,3 ± 4,4 ans) dont 8 femmes ont été recrutées qui boivent avec modération, qui n’ont jamais été en traitement ou arrêté pour drogue ou d’alcool les infractions connexes, qui disent non les symptômes liés à l’alcoolisme sur le court Michigan Alcoholism Screening Test28, qui ne pas fumer ni utiliser de substances illégales, qui n’ont pas d’antécédents de troubles neuropsychiatriques ou problèmes de santé actuels, et qui sont des médicaments gratuitement et n’ont aucune les objets ferromagnétiques internes ou des implants.

2. protocole expérimental

  1. Numériser chaque participant quatre fois, dont trois sessions de MEG (une séance d’initiation en tant que boisson non et deux sessions de boissons expérimental dans lequel l’alcool et le placebo sont administrées d’une manière équilibrée) et un IRM structurelle.
    Remarque : Dans cette conception intra-sujet, participants servent de leurs propres commandes en participant à des séances de l’alcool et le placebo. Cette conception réduit la variance de l’erreur et augmente la puissance statistique de minimiser l’influence de la variabilité individuelle de l’anatomie du cerveau, profils d’activité et le métabolisme de l’alcool.

3. collecte de MEG scanne

  1. Effectuer la séance de familiarisation.
    1. Au cours de la première séance introductive, administrer les questionnaires pour obtenir plus d’informations sur les antécédents médicaux des participants, leurs patrons boire et la gravité des symptômes liés à l’alcoolisme28,29, antécédents familiaux de l’alcoolisme,30et les traits de personnalité dont impulsivité31,32.
    2. Réaliser un enregistrement initial dans le scanner de MEG suivant le protocole décrit ci-dessous aux points 3.2, 3.3 et 3.5. Ne fournissent pas de n’importe quelle boisson. Expliquer la tâche, puis exécutez les pratique version permettant aux participants de se familiariser avec lui au préalable.
      Remarque : L’acclimatation à la situation expérimentale a pour objectif de minimiser les effets potentiels de l’excitation induite par la situation33, assimilant ainsi alcool ultérieur et sessions de placebo sur cette dimension.
  2. Effectuer les sessions expérimentales alcool/placebo.
    Remarque :     suivez les mêmes procédures expérimentales pendant les sessions de l’alcool et un placebo à l’exception de la boisson administrée. Contrebalancer les ordre de boisson en administrant les boissons d’alcool tout d’abord une moitié des participants et un placebo à l’autre moitié dans un ordre aléatoire.
    1. A leur arrivée au laboratoire de MEG, scanner test rapide en mettant le participant dans le scanner et en vérifiant les canaux aimantation possible. Mesurer leur poids. Leur écran avec un éthylotest électronique. Interroger sur la conformité avec les exigences de s’abstenir de l’alcool pendant 48 h et de la nourriture pendant 3 h avant l’expérience.
    2. Prélever des échantillons d’urine pour un panneau d’essai de plusieurs médicaments de tous les participants et exclure ceux qui testent positif pour n’importe quelle drogue. En outre, vérifier les participantes pour la grossesse avec une urine test et excluent ceux qui testent positif ou s’ils soupçonnent qu’ils pourraient être enceintes.
    3. Évaluer les changements dynamiques dans les effets subjectifs de l’alcool par des participants demandant à évaluer leurs sentiments momentanées et États sur une échelle normalisée34 avant de boire et à deux reprises supplémentaires au cours de l’expérience - sur la branche ascendante (~ 15 min après avoir consommé des boissons) et la branche descendante de la courbe de concentration de l’alcool (BrAC), souffle après le MEG d’enregistrement.
    4. Administrer une exécution de pratique de la tâche de Stroop sur un ordinateur portable avec le logiciel de présentation du stimulus pour s’assurer que les participants comprennent la tâche avant l’enregistrement.
      Remarque : Cette version de la tâche de Stroop allie lecture et couleur d’affectation de noms (Figure 1). La condition harmonie se compose des mots de couleur (rouge, vert, bleu, jaune) qui sont imprimées dans la couleur de police correspondante (par exemple, le mot « vert » est imprimé en vert). Dans la condition incongrue, mots de couleur sont imprimés en couleur qui ne correspond pas à leur sens (c'est-à-dire, le mot « vert » est imprimé en jaune). Demandez aux participants d’appuyer sur un des quatre boutons correspondant à la couleur de police chaque fois qu’un mot est écrit en couleur, ou, lorsqu’un mot est écrit en gris, appuyer sur le bouton correspondant à la signification du mot18,23.
  3. Préparer l’enregistrement MEG/EEG.
    Remarque :     détails d’acquisition de données MEG ont été décrites dans les précédentes publications35,36,37.
    1. Positionnez le cap de l’EEG ou des électrodes EEG sur la tête du participant et vérifiez que toutes les impédances sont inférieures à 5 kΩ.
    2. Fixer les bobines d’indicateur (IPH) position de la tête de chaque côté du front et derrière chaque oreille.
      Remarque : Cette étape est spécifique aux systèmes Neuromag.
    3. Numériser des positions des points repères dont la nasion et deux points pré-auriculaire, positions des bobines HPI, électrodes de l’EEG et obtenir un grand nombre des points supplémentaires (~ 200), délimiter la forme de la tête. Utilisez ces informations pour le co-enregistrement avec des images d’IRM anatomiques (Figure 2).
  4. Administrer les boissons.
    1. Préparer des boissons d’alcool par le mélange de vodka de qualité premium avec jus d’orange réfrigéré (25 % v/v), fondée sur le sexe et le poids (alcool à 0,60 g/kg pour les hommes, l’alcool de 0,55 g/kg pour les femmes), chaque participant ciblant un BrAC de 0,06 %38. Servir le même volume de jus d’orange dans des verres avec jantes frottées avec de la vodka comme une boisson de placebo. Demander au participant de consommer la boisson en environ 10 min.
    2. Vérifier les participants BrAC avec l’alcootest commençant à ~ 15 min après avoir bu et puis toutes les 5 min jusqu'à ce qu’ils entrent dans la chambre d’enregistrement. Étant donné que les appareils électroniques ne peuvent pas servir dans la salle blindée, utiliser un test salivaire de l’alcool, qui se compose d’un tampon de coton qui est saturé dans la salive et est inséré dans un récipient qui fournit une lecture.
  5. Acquisition de données MEG/EEG.
    1. Positionner le participant confortablement dans le scanner. Puisque l’activité préfrontale est d’un intérêt particulier, veiller à ce que le participant est placé de sorte que sa tête est en contact avec le haut du casque et est aligné le long du front.
      Remarque : Position de la tête peut affecter les estimations de l’activité de manières significatives car les gradients de champ magnétique diminuent avec le cube de la distance entre les capteurs et les sources de cerveau39.
    2. Se connecter HPI bobines et toutes les électrodes à apporter leur contribution respective sur le scanner. Réponse de position coussinets afin que les boutons peuvent être pressés confortablement. S’assurer que la police est bien lisible sur l’écran de projection devant le participant.
    3. Retour dans la salle de la console, vérifiez que l’interphone fonctionne correctement. Rappeler le participant afin de minimiser le clignotement et pour éviter les mouvements, y compris les mouvements de la tête due à parler. Demandez aux participants de répondre aux questions en appuyant sur les boutons de réponse à la place.
    4. Vérifiez que tous les déclencheurs de réponse et de stimulation sont enregistrées correctement. Examiner tous les canaux des artefacts et de mesurer la position de la tête dans le scanner.
    5. Acquisition de données et commençons la tâche. Donner des pauses toutes les min ~2.5 se reposer les yeux. Enregistrez les données à l’achèvement de la tâche et escorter le participant hors de la chambre d’enregistrement.
    6. Lorsque le participant a quitté le scanner, acquérir environ deux minutes de données provenant de la salle vide comme une mesure du bruit instrumental.
    7. Demander au participant de taux perçu la difficulté de tâche, contenue de la boisson imbibée, comment en état d’ébriété, selon eux, ainsi que leurs humeurs momentanées et sentiments34.

4. Acquisition et Reconstruction corticale de l’IRM structurelle de l’image

  1. Obtenir une haute résolution anatomique par IRM pour chaque participant et reconstruire la surface corticale de chaque participant avec FreeSurfer logiciel40,41,,42.
  2. Utilisez la surface du crâne interne dérivée de l’images d’IRM structurelles segmentés pour générer un modèle d’élément de limite du chef d’orchestre volume, qui est utilisé pour fournir un modèle pour la solution vers l’avant qui est compatible avec cerveau anatomie43 chaque individu , 44.

5. analyse des données de MEG

Remarque : Analyser les données avec l’approche de MEG anatomiquement restreint qui utilise la surface corticale reconstituées de chaque participant pour contraindre des estimations de source pour le ruban cortical40,45,46. Le flux de l’analyse s’appuie sur les fonctions personnalisées avec des dépendances sur les emballages accessibles au public, y compris FieldTrip47, EEGLab48et49de la MNE.

  1. Pendant le prétraitement de données, utilisez un filtre passe-bande permissive (p. ex., 0,1 - 100 Hz) et données d’époque en ce qui concerne l’apparition du stimulus en segments qui incluent le remplissage des intervalles à chaque extrémité (par exemple, de -600 à 1100 ms pour un intervalle d’intérêt couvrant -300 à 800 ms après la enlèvement de rembourrage).
  2. Supprimer les canaux bruyant et plat, ainsi que les essais contenant des artefacts par inspection visuelle et à l’aide de basées sur des seuils de rejet. Composantes indépendantes analyse48 permet de supprimer les artefacts eyeblink et battement de coeur. Éliminer les essais avec de mauvaises réponses.
  3. Appliquer Morlet ondelettes (Figure 3)47 pour calculer le spectre de puissance complexe pour chaque essai en incréments de 1 Hz pour la bande de fréquence thêta (4-7 Hz). Supprimer tous les artefacts supplémentaires. Calculer la covariance du bruit de données salle vide.
  4. Co s’inscrire les données MEG avec des images d’IRM à l’aide de l’information en trois dimensions (3D) numérisation de tête (Figure 2).
    1. Ouvrez le module MRIlab.
    2. Sélectionnez le fichier | Ouvert | Sélectionnez MRI structurale du sujet.
    3. Sélectionnez le fichier | Importation | Données Isotrak | Sélectionnez le fichier raw data.fif | Points de marque.
    4. Sélectionnez Windows | Points de repère | Ajuster les repères repères jusqu'à ce que le co-enregistrement des données MEG et l’IRM sont acceptables.
    5. Sélectionnez le fichier | Enregistrer.
  5. Calculer les estimations de la sensibilité au bruit normalisée de thêta source puissance et phase avec une cartographie statistique dynamique spectrale approche18,50. Express power source thêta liés aux événements comme changement de signal pour cent par rapport à la ligne de base.
  6. Créer des moyennes de groupe de puissance source thêta liés aux événements de morphing estimations de chaque participant sur une représentation corticale moyenne51.
  7. Visualiser les estimations de source sur une surface moyenne gonflée pour améliorer la visibilité des estimations données (Figure 4).
    1. Ouvrez le logiciel MNE.
    2. Sélectionnez le fichier | Surface de charge | Charge gonflé la surface corticale de la moyenne du groupe FreeSurfer.
    3. Sélectionnez le fichier | Gérer les superpositions | Charger la stc | Charger des données moyennes groupe | Sélectionnez le fichier chargé de superpositions disponibles.
    4. Choisissez superposition type comme les autres.
    5. Ajuster le seuil de échelle de couleurs | Voir la.
    6. Voir films de cerveau et examinez spatio-temporelle stades de transformation en identifiant les zones et les fenêtres de temps caractérisés par une activation plus élevée.
  8. Créer des régions non biaisées d’intérêt (ROIs), selon les estimations moyennes dans l’ensemble groupe d’incorporer des lieux corticale avec puissance de source plus notable. Calculer des cours à temps pour chaque sujet, état et ROI (Figure 5).
  9. Soumettre les estimations de puissance de source thêta obtenus à l’analyse statistique.
    1. Extrait des fenêtres temporelles d’intérêt de chaque cours de temps de retour sur investissement et effectuer l’analyse de variance (ANOVA) avec boissons (alcool, placebo) et type du procès (congruente, incongru) que dans les facteurs de l’objet. Utilisez test non paramétrique basée sur cluster permutation52 pour examiner des comparaisons boisson et de la condition de pouvoir liés à l’événement thêta comme valeurs bien comme verrouillage de phase (PLV).
  10. Estimer les changements liés aux tâches dans la synchronisation à longue distance entre les foyers principaux d’activation de l’ACC et la latPFC en calculant la PLV12. Exprimer des PLV comme variation en pourcentage par rapport au niveau de référence.
    Remarque : La PLV est un indicateur de la cohérence de l’angle de phase entre la deux ROIs dans des essais qu’il mesure le degré auquel ils oscillent conjointement à une fréquence particulière et en temps réel (film 1).
  11. Calculer les corrélations entre les estimations de l’activité de ROI MEG, indices de performances comportementales et scores du questionnaire d’informer l’interprétation des résultats observés.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

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

Résultats comportements indiquent que la tâche de Stroop réussi à manipuler des interférences de réponse parce que la précision était le plus bas et les délais de la réponse la plus longue sur les essais incongrus (Figure 6). L’intoxication alcoolique abaissé de précision mais n’affecte pas le temps de réaction18.

La séquence spatio-temporelle de l’activité dans la bande de f...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

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

Le multimodal méthode utilisée dans cette étude d’imagerie comprend des sources modélisation du signal temporel précis MEG ainsi que les contraintes spatiales d’inverses estimations tirées de MRI structurelle de chaque participant. L’approche de l’aMEG combine les points forts de ces techniques pour donner un aperçu des étapes spatio-temporelle de la dynamique oscillatoire et l’intégration à long terme favorisant le contrôle cognitif. Cette méthode offre une plus grande précision temporelle que les autres techniques de n...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

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

Les auteurs n’ont rien à divulguer.

Remerciements

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

Ce travail a été soutenu par le National Institutes of Health (R01-AA016624). Nous sommes reconnaissants à m. Sanja Kovacevic pour son importante contribution.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Elekta NeuromagElekta Système demagnétoencéphalographie
1,5 T GE EXCITE HGGeneral ElectricScanner d’imagerie par résonance magnétique
Gold Cup ÉlectrodesOpenBCIÉlectrodes d’électroencéphalographie pour l’enregistrement EEG simultané en option
Préparation Vérification de l’impédancemètre Dispositifsgénéraux Vérifierles impédances des électrodes
Bobines HPIBobines d’indicateur deposition de la tête Elekta
AlcotestDraegerBreathalyzer
Fiber Optic Response PadCurrent Designs, IncPad de réponse compatible MEG
Grey Goose VodkaBacardiVodka est utilisé pendant la session d’alcool
Orange JuiceNakedLe jus d’orange est utilisé comme boisson pendant la séance de placebo et mélangé à de la vodka pendant la séance d’alcool
Découvrez la carte de test de drogueAmerican Screening CorpTest
QED Test d’alcool salivaireOraSure TechnologiesTest
Urine Hcg Bandelettes de testJoyliveTest
de grossesse Short Michigan Alcohol Screening TestSelzer et al., 1975Questionnaire de dépistage de l’alcoolisme
Zuckerman Échelle de recherche de sensationZuckerman, 1971Questionnaire : traits de désinhibition, de recherche de nouveauté et de socialisation
l’impulsivitéd’Eysenck Eysenck & Eysenck, 1978Questionnaire : traits
Questionnaire de personnalité EysenckEysenck & Eysenck, 1975Questionnaire : traits
Échelle biphasique des effets de l’alcool  ;Martin et al., 1993Questionnaire : expérience subjective des effets de l’alcool
pour co-enregistrementde dépistage de drogue multi-écransd’alcool salivaireInventaire ded’impulsivitéde personnalité

Références

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

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Magn toenc phalographieoscillations th tacingulaire ant rieurpr frontal lat ralt che de Stroopverrouillage de phase

Articles connexes