MétaCan
Menu
Retour à la cohorte
Enregistrement W2894750380 · doi:10.1111/nyas.13977

The neurobiology of impulsivity and substance use disorders: implications for treatment

2018· review· en· W2894750380 sur OpenAlexafffund
Karolina Kozak, Aliya M. Lucatch, Darby J. E. Lowe, Iris M. Balodis, James MacKillop, Tony P. George

Notice bibliographique

RevueAnnals of the New York Academy of Sciences · 2018
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeurotransmitter Receptor Influence on Behavior
Établissements canadiensMcMaster UniversityUniversity of TorontoOntario Brain InstituteCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute on Drug AbuseCanadian Institutes of Health Research
Mots-clésImpulsivitySubstance usePsychologyPsychiatryNeuroscience

Résumé

récupéré en direct d'OpenAlex

Impulsivity is strongly associated with substance use disorders (SUDs). Our review discusses impulsivity as an underlying vulnerability marker for SUDs, and treatment of co-occurring impulsivity in SUDs. Three factors should be considered for the complex relationship between impulsivity and a SUD: (1) the trait effect of impulsivity, centering on decreased cognitive and response inhibition, (2) the state effect resulting from either acute or chronic substance use on brain structure and function, and (3) the genetic and environmental factors (e.g., age and sex) may influence impulsive behavior associated with SUDs. Both subjective and objective measures are used to assess impulsivity. Together, treatment developments (pharmacological, behavioral, and neurophysiological) should consider these clinically relevant dimensions assessed by a variety of measures, which have implications for treatment matching in individuals with SUD. Despite its heterogeneity, impulsivity is a marker associated with SUDs and may be understood as an imbalance of bottom-up and top-down neural systems. Further investigation of these relationships may lead to more effective SUD treatments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,313
Tête enseignante GPT0,434
Écart entre enseignants0,122 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations274
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of the New York Academy of SciencesMême sujetNeurotransmitter Receptor Influence on BehaviorTravaux en français237 207