Neurobiological research on addiction: What value has it added to the concept?
Notice bibliographique
Résumé
Kalant, H. (2015). Neurobiological research on addiction: What value has it added to the concept?. The International Journal Of Alcohol And Drug Research, 4(1), 53-59. doi:http://dx.doi.org/10.7895/ijadr.v4i1.196The initial goal of neurobiological research on addiction was to identify the neural mechanisms involved in the mediation and expression of addictive behavior. More recently, however, it has attributed causal roles to these mechanisms, as illustrated by the definition of addiction as a brain disease caused by chronic exposure to a drug. This concept carries a number of implications that can be assessed experimentally and clinically. None of these implications is borne out by the currently available evidence. The interactions of neuronal systems involved in addiction are also involved in adaptation to experience and environmental change. Much of the neurobiological research to date has not differentiated between causes of addiction, neuronal mechanisms that are activated by them, and risk factors that contribute to individual vulnerability. It has largely ignored the important experiential and environmental influences known to affect the prevalence of addiction in different populations or different times, and it has so far directed much less attention to other forms of addiction-like behavior that do not involve drugs. These failures are not inherent in neurobiological research but require reorientation of objectives, including more emphasis on the study of mechanisms by which environment and experience, including drug experience, can determine whether genetic risk factors are expressed or remain dormant and can direct neuroadaptive mechanisms toward alternative outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».