Neuroimaging Metrics of Drug and Food Processing in Cocaine-Dependence, as a Function of Psychopathic Traits and Substance Use Severity
Notice bibliographique
Résumé
Previous studies suggest that psychopathic traits commonly present as comorbid with substance use disorders. Moreover, neuroimaging and psychometric findings suggest that psychopathic traits may predispose individuals to a sensitized reward response to drugs. Given that substance use disorders are characterized by a neurocognitive bias toward drug-reward relative to non-drug reward, it is possible that heightened psychopathic characteristics may further predispose to this processing bias. To evaluate this possibility, we assessed psychopathic traits (measured using the PCL-R; Hare, 2003) in 105 probationers/parolees and evaluated the relationship between PCL-R scores, lifetime duration of drug use, and biases in neural response to drug- compared to food-related videos. Psychopathic traits (potentially driven by interpersonal/affective traits) were positively correlated with drug > food reactivity within the right insula and left amygdala. In addition, psychopathic traits modulated the relationship between drug use and drug > food reactivity within the left dorsomedial prefrontal cortex, right insula, and left caudate nucleus. Specifically, lifetime duration of drug use correlated positively with drug > food reactivity in participants with lower levels of psychopathic traits and correlated negatively with drug > food reactivity in individuals with higher levels of psychopathic traits. These results help reconcile prior studies on psychopathy and drug-stimulus processing and provide neurocognitive support for the notion that psychopathic traits serve as an underlying risk factor for substance use disorders. These results suggest that different treatment regimens for substance abuse for individuals with higher or lower levels of psychopathy may be beneficial and suggest that reduction of neurocognitive biases to drug-related stimuli may offer useful targets for future treatment protocols.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».