Area under the curve as a novel metric of behavioral economic demand for alcohol.
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
Behavioral economic purchase tasks can be readily used to assess demand for a number of addictive substances, including alcohol, tobacco, and illicit drugs. However, several methodological limitations associated with the techniques used to quantify demand may reduce the utility of demand measures. In the present study, we sought to introduce area under the curve (AUC), commonly used to quantify degree of delay discounting, as a novel index of demand. A sample of 207 heavy-drinking college students completed a standard alcohol purchase task and provided information about typical weekly drinking patterns and alcohol-related problems. Level of alcohol demand was quantified using AUC--which reflects the entire amount of consumption across all drink prices--as well as the standard demand indices (e.g., intensity, breakpoint, Omax, Pmax, and elasticity). Results indicated that AUC was significantly correlated with each of the other demand indices (rs = .42-.92), with particularly strong associations with Omax (r = .92). In regression models, AUC and intensity were significant predictors of weekly drinking quantity, and AUC uniquely predicted alcohol-related problems, even after controlling for drinking level. In a parallel set of analyses, Omax also predicted drinking quantity and alcohol problems, although Omax was not a unique predictor of the latter. These results offer initial support for using AUC as an index of alcohol demand. Additional research is necessary to further validate this approach and to examine its utility in quantifying demand for other addictive substances such as tobacco and illicit drugs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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