Neural basis of smoking‐induced relief of craving and negative affect: Contribution of nicotine
Notice bibliographique
Résumé
Smoking-induced relief of craving and withdrawal promotes continued cigarette use. Understanding how relief is produced and the role of nicotine in this process may facilitate development of new smoking-cessation therapies. As the US Food and Drug Administration considers setting a standard for reduced nicotine content in cigarettes to improve public health, knowledge of how nicotine contributes to relief also can inform policy. We assessed effects of nicotine using resting state functional magnetic resonance imaging (MRI) and behavioral assessments of craving and negative affect. Twenty-one young (18-25 years old) daily smokers underwent overnight abstinence on 4 days. On each of the following mornings, they self-rated their cigarette craving and negative affect and underwent resting-state functional MRI (fMRI) before and after smoking a cigarette that delivered 0.027, 0.110, 0.231, or 0.763 mg of nicotine. Functional connectivity between the anterior insula and anterior cingulate cortex (ACC) and between the nucleus accumbens and orbitofrontal cortex (OFC) was assessed. Smoking reduced craving, negative affect, and nucleus accumbens-OFC connectivity irrespective of nicotine dose, with positive correlations of the effects on behavioral and connectivity measures. Only the highest nicotine dose (0.763 mg) reduced right anterior insula-ACC connectivity; this reduction was positively correlated with the behavioral effects of the 0.763-mg dose only. While nicotine-based therapies may act on right anterior insula-ACC functional circuits to facilitate smoking cessation, non-nicotine (eg, the conditioned and sensorimotor) aspects of smoking may promote cessation by reducing OFC-accumbens connectivity to alleviate withdrawal.
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 | 0,000 | 0,009 |
| 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 | 0,001 |
| 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 ».