Individualized real-time fMRI neurofeedback to attenuate craving in nicotine-dependent smokers
Notice bibliographique
Résumé
BACKGROUND: Cue-induced craving plays an important role in relapse, and the neural correlates of cue-induced craving have been elucidated using fMRI. This study examined the utility of real-time fMRI (rtfMRI) neurofeedback to strengthen self-regulation of craving-related neural activation and cue-reactivity in cigarette smokers. METHODS: Nicotine-dependent smokers were randomized to rtfMRI neurofeedback or to a no-feedback control group. Participants completed 3 neuroimaging visits. Within each visit, an initial run during which smoking-related cues were used to provoke craving, an individualized craving-related region of interest (ROI) in the prefrontal cortex or anterior cingulate cortex was identified. In the rtfMRI group, activity from the ROI was fed back via a visual display during 3 subsequent runs while participants were instructed to reduce craving during cue exposure. The control group had an identical experience with no feedback provided. RESULTS: Forty-four nicotine-dependent smokers were recruited to participate in our study; data from the 33 participants who completed a 1-week follow-up visit were included in the analysis. Subjective craving ratings and cue-induced brain activation were lower in the rtfMRI group than in the control group. LIMITATIONS: As participants were not seeking treatment, clinical outcomes are lacking. CONCLUSION: Nicotine-dependent smokers receiving rtfMRI feedback from an individualized ROI attenuated smoking cue-elicited neural activation and craving, relative to a control group. Further studies are needed in treatment-seeking smokers to determine if this intervention can translate into a clinically meaningful treatment modality.
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 | 0,001 | 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 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 ».