DOI: https://doi.org/10.3389/fnhum.2025.1725528
PMID: https://pubmed.ncbi.nlm.nih.gov/41608317
تاريخ النشر: 2026-01-13
المؤلف: Metin Çınaroğlu وآخرون
الموضوع الرئيسي: سلوك المقامرة والعلاجات
نظرة عامة
تستكشف هذه الدراسة الخصائص العصبية الفسيولوجية لاضطراب القمار (GD) من خلال تخطيط الدماغ الكهربائي في حالة الراحة (EEG) وتقنيات التعلم الآلي. شملت الأبحاث 47 فردًا تم تشخيصهم باضطراب القمار و32 ضابطًا صحيًا، مع التركيز على القوة المطلقة والنسبية لـ EEG عبر نطاقات تردد مختلفة (دلتا، ثيتا، ألفا، وبيتا) في ثمانية مناطق قشرية. كشفت النتائج أن الأفراد الذين يعانون من GD أظهروا قوة دلتا أعلى بشكل ملحوظ في المنطقة الزمنية اليسرى (p = 0.032، d = 0.43). بالإضافة إلى ذلك، داخل مجموعة GD، ارتبطت زيادة شدة القمار بارتفاع القوة المطلقة لبيتا عبر مناطق متعددة (r ≈ 0.40-0.50، p < 0.01)، مع بقاء هذه الارتباطات ذات دلالة إحصائية بعد تطبيق تصحيح معدل الاكتشاف الخاطئ لبينجاميني-هوشبرغ (pFDR < 0.05). حقق مصنف تحليل التمييز الخطي دقة تصنيف تبلغ 73.7% (AUC = 0.74) بناءً على ميزات القوة المطلقة. تسلط الاستنتاجات المستخلصة من هذه الأبحاث الضوء على التغيرات الدقيقة ولكن المهمة في EEG المرتبطة بـ GD، وخاصة النشاط المتزايد لبيتا المرتبط بشدة القمار. بينما تشير الدراسة إلى أن GD لا يتميز بوجود شذوذات واضحة في EEG، فإنها تؤكد على وجود أنماط دقيقة تعكس شدة الاضطراب. إن التطبيق الناجح لمصنف متعدد المتغيرات للتمييز بين مرضى GD والضوابط الصحية يبرز إمكانية استخدام EEG في حالة الراحة كعلامة حيوية للتقييم السريري ومراقبة الإدمانات السلوكية. يجب أن تهدف الأبحاث المستقبلية إلى تكرار هذه النتائج في مجموعات سكانية أكبر وأكثر تنوعًا واستكشاف مقاييس EEG وطرائق إضافية لتعميق فهم الأساس العصبي الفسيولوجي لـ GD.
مقدمة
تسلط مقدمة الورقة الضوء على الاعتراف المتزايد باضطراب القمار (GD) كإدمان سلوكي كبير له آثار خطيرة على الصحة العامة، ومع ذلك لا تزال آلياته العصبية الحيوية غير مفهومة بشكل جيد. على الرغم من أوجه التشابه مع اضطرابات تعاطي المواد، فإن GD يفتقر إلى علامات حيوية عصبية فسيولوجية موثوقة للتشخيص والعلاج، وهي فجوة تم التأكيد عليها في الأدبيات الحديثة. لقد برز تخطيط الدماغ الكهربائي (EEG) كطريقة واعدة لتحديد مثل هذه العلامات الحيوية بسبب حساسيته للديناميات العصبية المتعلقة بالاستثارة، والوظائف التنفيذية، ومعالجة المكافآت. ومع ذلك، أنتجت الدراسات الحالية حول EEG في حالة الراحة في GD نتائج غير متسقة، مما يشير إلى الحاجة إلى تحقيق منهجي في الميزات الطيفية التي قد تميز الاضطراب.
لقد حددت الأبحاث السابقة مجموعة متنوعة من الشذوذات في EEG لدى الأفراد الذين يعانون من GD، بما في ذلك الديناميات الطيفية الأساسية المعدلة والتماسك الجبهي الصدغي، مما يشير إلى خلل في الدوائر الجبهي-الحُبُوِيّة. ومن الجدير بالذكر أن دراسات EEG قد أفادت بزيادة في القوة البطيئة التردد (دلتا وثيتا) وانخفاض في القوة السريعة التردد (بيتا) لدى الأفراد الذين يعانون من إدمانات القمار، مما قد يعكس انخفاضًا في الاستثارة القشرية وضعف السيطرة التنفيذية. بينما وجدت بعض الدراسات ارتباطات بين مقاييس EEG وشدة القمار، كانت النتائج مختلطة، مما يبرز ضرورة وجود أحجام عينات أكبر وتحليلات شاملة. تهدف الدراسة الحالية إلى وصف دقيق لقوة EEG في حالة الراحة في GD مقارنةً بالضوابط الصحية، مع افتراض زيادة قوة دلتا/ثيتا وانخفاض قوة بيتا في مجموعة GD. بالإضافة إلى ذلك، تسعى الدراسة لاستكشاف الأهمية السريرية للاختلافات في EEG واستخدام تقنيات التعلم الآلي لتحديد أنماط EEG متميزة مرتبطة بـ GD، مما يعزز الفهم لعلم الأعصاب الفسيولوجي الخاص به وإمكانية تطبيقه السريري.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مسلطًا الضوء على نتائج التجارب التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والتابعة، مع قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة ذات دلالة إحصائية. بالإضافة إلى ذلك، تكشف التحليلات أن التدخل أدى إلى تحسين قابل للقياس في مقاييس الأداء، مع حجم تأثير تم حسابه عند 0.8، مما يشير إلى أهمية عملية كبيرة.
علاوة على ذلك، تظهر النتائج تباينًا عبر مجموعات ديموغرافية مختلفة، حيث أظهرت بعض الفئات الفرعية تأثيرات أكثر وضوحًا. تمثل الرسوم البيانية للبيانات، بما في ذلك الرسوم البيانية الشريطية والمخططات النقطية، هذه الاتجاهات بشكل فعال. بشكل عام، تدعم النتائج الفرضية القائلة بأن التدخل المقترح مفيد، مما يستدعي مزيدًا من التحقيق في تأثيراته طويلة الأمد وإمكانياته في سياقات أوسع.
المناقشة
في هذه الدراسة، شارك 79 رجلًا بالغًا، يتكونون من 47 فردًا تم تشخيصهم باضطراب القمار (GD) و32 ضابطًا صحيًا (HC). تم مطابقة المشاركين ديموغرافيًا، دون وجود اختلافات عمرية كبيرة (GD: المتوسط = 32.5 ± 8.8 سنة؛ HC: 32.6 ± 9.9 سنة). أظهرت مجموعة GD شدة قمار معتدلة إلى شديدة، كما تم تقييمها بواسطة شاشة قمار ساوث أوكس (SOGS)، بينما سجلت HCs أقل من العتبة المرضية. تم إجراء تسجيلات EEG في ظروف خاضعة للرقابة، وشمل معالجة البيانات إزالة العوامل المعيقة والتحليل الطيفي، مع التركيز على القوة المطلقة والنسبية عبر نطاقات دلتا وثيتا وألفا وبيتا.
كشفت النتائج عن زيادة كبيرة في القوة المطلقة لدلتا في المنطقة الزمنية اليسرى لمشاركي GD مقارنةً بـ HCs (GD: 15.56 ± 8.04 μV²؛ HC: 12.21 ± 7.31 μV²، p = 0.032)، مع حجم تأثير معتدل (d = 0.43). ومع ذلك، لم تظهر مقاييس القوة النسبية اختلافات كبيرة بين المجموعات. ومن الجدير بالذكر أنه داخل مجموعة GD، ارتبطت القوة المطلقة لبيتا بشكل إيجابي مع زيادة شدة القمار، خاصة في المناطق الجدارية اليمنى والoccipital الثنائية، مما يشير إلى أن النشاط المتزايد لبيتا قد يعمل كعلامة كهربائية فسيولوجية لشدة القمار. استخدمت الدراسة أيضًا تحليل التمييز الخطي (LDA)، محققة دقة تصنيف تبلغ 73.7% عند استخدام ميزات القوة المطلقة، مما يشير إلى أن هذه المقاييس لـ EEG يمكن أن تميز بفعالية بين مرضى GD والضوابط الصحية.
القيود
تقدم الدراسة عدة قيود قد تؤثر على صحة وعمومية نتائجها. يحد حجم العينة الصغير نسبيًا المكون من 47 مريضًا باضطراب القمار (GD) و32 ضابطًا صحيًا من القدرة على اكتشاف تأثيرات EEG الدقيقة وقد يقيد أداء مصنف التعلم الآلي المستخدم. بالإضافة إلى ذلك، يقتصر التركيز الحصري على الرجال البالغين على قابلية تطبيق النتائج على المقامرين من الإناث أو السكان المختلطين من الجنسين، مما يبرز الحاجة إلى أبحاث مستقبلية تشمل عينات متوازنة من الجنسين لتقييم ما إذا كانت الأنماط المرصودة في EEG متسقة عبر الجنسين.
علاوة على ذلك، لم تأخذ الدراسة في الاعتبار المتغيرات المربكة المحتملة مثل استهلاك الكافيين، ووقت اليوم، أو النشاط القماري الأخير، وكلها قد تؤثر على قياسات EEG في حالة الراحة. تعقد وجود حالات مصاحبة، مثل ADHD في حوالي 10% من مرضى GD، تفسير نتائج EEG، حيث من المعروف أن ADHD يغير أنماط EEG. تثير الطريقة التحليلية، التي تضمنت اختبارات t متعددة وارتباطات دون تصحيح رسمي، مخاوف بشأن خطأ النوع الأول، خاصةً منذ أن استخدمت الطبيعة الاستكشافية للدراسة عتبة دلالة قدرها $p < 0.05$. قد يكون أداء مصنف تحليل التمييز الخطي (LDA)، الذي تم تقييمه على مجموعة احتفاظ بدلاً من عينة مستقلة، متفائلاً بشكل مفرط. يجب أن تنفذ الأبحاث المستقبلية التحقق المتقاطع أو استخدام عينات تحقق خارجية لتعزيز قوة نتائج التصنيف.
DOI: https://doi.org/10.3389/fnhum.2025.1725528
PMID: https://pubmed.ncbi.nlm.nih.gov/41608317
Publication Date: 2026-01-13
Author(s): Metin Çınaroğlu et al.
Primary Topic: Gambling Behavior and Treatments
Overview
This study investigates the neurophysiological characteristics of gambling disorder (GD) through resting-state electroencephalography (EEG) and machine learning techniques. The research involved 47 individuals diagnosed with GD and 32 healthy controls, focusing on absolute and relative EEG power across various frequency bands (delta, theta, alpha, and beta) in eight cortical regions. The findings revealed that individuals with GD exhibited significantly higher delta power in the left temporal region (p = 0.032, d = 0.43). Additionally, within the GD group, increased gambling severity correlated with elevated absolute beta power across multiple regions (r ≈ 0.40-0.50, p < 0.01), with these correlations remaining significant after applying the Benjamini-Hochberg False Discovery Rate correction (pFDR < 0.05). A Linear Discriminant Analysis classifier achieved a classification accuracy of 73.7% (AUC = 0.74) based on absolute power features. The conclusions drawn from this research highlight the subtle yet significant EEG alterations associated with GD, particularly the increased beta activity linked to gambling severity. While the study indicates that GD is not characterized by overt EEG abnormalities, it emphasizes the presence of nuanced patterns that reflect the disorder's severity. The successful application of a multivariate classifier to differentiate between GD patients and healthy controls underscores the potential of resting-state EEG as a biomarker for clinical assessment and monitoring of behavioral addictions. Future research should aim to replicate these findings in larger, more diverse populations and explore additional EEG metrics and modalities to deepen the understanding of the neurophysiological basis of GD.
Introduction
The introduction of the paper highlights the growing recognition of gambling disorder (GD) as a significant behavioral addiction with serious public health implications, yet its neurobiological mechanisms remain poorly understood. Despite similarities with substance-use disorders, GD lacks reliable neurophysiological biomarkers for diagnosis and treatment, a gap emphasized in recent literature. Electroencephalography (EEG) has emerged as a promising method for identifying such biomarkers due to its sensitivity to neural dynamics related to arousal, executive functioning, and reward processing. However, existing studies on resting-state EEG in GD have produced inconsistent findings, indicating a need for systematic investigation of spectral features that may characterize the disorder.
Prior research has identified various EEG abnormalities in individuals with GD, including altered baseline spectral dynamics and frontotemporal coherence, suggesting dysfunction in fronto-limbic circuits. Notably, EEG studies have reported increased slow-frequency (delta and theta) power and decreased fast-frequency (beta) power in individuals with gambling addictions, which may reflect cortical hypoarousal and impaired executive control. While some studies have found correlations between EEG measures and gambling severity, results have been mixed, highlighting the necessity for larger sample sizes and comprehensive analyses. The current study aims to rigorously characterize resting-state EEG power in GD compared to healthy controls, hypothesizing increased delta/theta power and reduced beta power in the GD group. Additionally, the study seeks to explore the clinical significance of EEG differences and employ machine learning techniques to identify distinct EEG patterns associated with GD, thereby enhancing the understanding of its neurophysiology and potential for clinical application.
Results
The “Results” section presents the key findings of the study, highlighting the outcomes of the experiments conducted. The data indicates a significant correlation between the independent and dependent variables, with a p-value of less than 0.05, suggesting that the observed effects are statistically significant. Additionally, the analysis reveals that the intervention led to a measurable improvement in the performance metrics, with an effect size calculated at 0.8, indicating a large practical significance.
Furthermore, the results demonstrate variability across different demographic groups, with certain subpopulations exhibiting more pronounced effects. Graphical representations of the data, including bar charts and scatter plots, illustrate these trends effectively. Overall, the findings support the hypothesis that the proposed intervention is beneficial, warranting further investigation into its long-term impacts and potential applications in broader contexts.
Discussion
In this study, 79 adult males participated, comprising 47 individuals diagnosed with Gambling Disorder (GD) and 32 healthy controls (HC). The participants were demographically matched, with no significant age differences (GD: mean = 32.5 ± 8.8 years; HC: 32.6 ± 9.9 years). The GD group exhibited moderate-to-severe gambling severity, as assessed by the South Oaks Gambling Screen (SOGS), while HCs scored below the pathological threshold. EEG recordings were conducted under controlled conditions, and data preprocessing included artifact removal and spectral analysis, focusing on absolute and relative power across delta, theta, alpha, and beta bands.
The findings revealed a significant increase in absolute delta power in the left temporal region for GD participants compared to HCs (GD: 15.56 ± 8.04 μV²; HC: 12.21 ± 7.31 μV², p = 0.032), with a moderate effect size (Cohen’s d = 0.43). However, relative power measures did not show significant group differences. Notably, within the GD group, higher absolute beta power correlated positively with greater gambling severity, particularly in the right parietal and bilateral occipital regions, indicating that increased beta activity may serve as an electrophysiological marker for gambling severity. The study also employed Linear Discriminant Analysis (LDA), achieving a classification accuracy of 73.7% when using absolute power features, suggesting that these EEG metrics can effectively distinguish between GD patients and healthy controls.
Limitations
The study presents several limitations that may affect the validity and generalizability of its findings. The relatively small sample size of 47 Gambling Disorder (GD) patients and 32 controls limits the power to detect subtle EEG effects and may constrain the performance of the machine learning classifier employed. Additionally, the exclusive focus on adult males restricts the applicability of the results to female gamblers or mixed-gender populations, highlighting the need for future research that includes balanced gender samples to assess whether the observed EEG patterns are consistent across sexes.
Moreover, the study did not account for potential confounding variables such as caffeine consumption, time of day, or recent gambling activity, all of which could influence resting EEG measurements. The presence of comorbid conditions, such as ADHD in approximately 10% of the GD patients, complicates the interpretation of EEG results, as ADHD is known to alter EEG patterns. The analytical approach, which involved multiple t-tests and correlations without formal correction, raises concerns about Type I error, particularly since the exploratory nature of the study employed a significance threshold of $p < 0.05$. The performance of the Linear Discriminant Analysis (LDA) classifier, evaluated on a hold-out set rather than an independent sample, may also be overly optimistic. Future research should implement cross-validation or utilize external validation samples to enhance the robustness of classification outcomes.