Thermography as a Physiological Measure of Sexual Arousal in Both Men and Women
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Current physiological measures of sexual arousal are intrusive, hard to compare between genders, and quantitatively problematic. AIM: To investigate thermal imaging technology as a means of solving these problems. METHODS: Twenty-eight healthy men and 30 healthy women viewed a neutral film clip, after which they were randomly assigned to view one of three other video conditions: (i) neutral (N = 19); (ii) humor (N = 19); and (iii) sexually explicit (N = 20). MAIN OUTCOME MEASURES: Genital and thigh temperatures were continuously recorded using a TSA ImagIR camera. Subjective measures of sexual arousal, humor, and relaxation were assessed using Likert-style questions prior to showing the baseline video and following each film. RESULTS: Statistical (Tukey HSD) post-hoc comparisons (P < 0.05) demonstrated that both men and women viewing the sexually arousing video had significantly greater genital temperature (mean = 33.89 degrees C, SD = 1.00) than those in the humor (mean = 32.09 degrees C, SD = 0.93) or neutral (mean = 32.13 degrees C, SD = 1.24) conditions. Men and women in the erotic condition did not differ from each other in time to peak genital temperature (men mean = 664.6 seconds, SD = 164.99; women mean = 743 seconds, SD = 137.87). Furthermore, genital temperature was significantly and highly correlated with subjective ratings of sexual arousal (range r = 0.51-0.68, P < 0.001). There were no significant differences in thigh temperature between groups. CONCLUSION: Thermal imaging is a promising technology for the assessment of physiological sexual arousal in both men and women.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle