MétaCan
Menu
Retour à la cohorte
Enregistrement W2981917997 · doi:10.1111/add.14865

Experimental manipulations of behavioral economic demand for addictive commodities: a meta‐analysis

2019· review· en· W2981917997 sur OpenAlex
Samuel F. Acuff, Michael Amlung, Ashley A. Dennhardt, James MacKillop, James G. Murphy

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAddiction · 2019
Typereview
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésMeta-analysisPsycINFOAffect (linguistics)ReinforcementBehavioral economicsConfidence intervalPsychologyPsychological interventionMedicineClinical psychologyMEDLINEPsychiatrySocial psychologyInternal medicineEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Background and Aims Reinforcing value , an index of motivation for a drug, is commonly measured using behavioral economic purchase tasks. State‐oriented purchase tasks are sensitive to phasic manipulations, but with heterogeneous methods and findings. The aim of this meta‐analysis was to characterize the literature examining manipulations of reinforcing value, as measured by purchase tasks and multiple‐choice procedures, to inform etiological models and treatment approaches Methods A random‐effects meta‐analysis of published findings in peer‐reviewed articles. Following the Preferred Reporting Items for Systematic Reviews and Meta‐Analysis (PRISMA) protocol, studies were gathered through searches in PsycINFO and PubMed/MEDLINE (published 22 May 2018). Searches returned 34 unique studies (aggregate sample n = 2402; average sample size = 68.94) yielding 126 effect sizes. Measurements included change (i.e. Cohen's d ) in six behavioral economic indices (intensity, breakpoint, O max , P max , elasticity, cross‐over point) in relation to six experimental manipulations (cue exposure, stress/negative affect, reinforcer magnitude, pharmacotherapy, behavioral interventions, opportunity cost). Results Cue exposure ( d range = 0.25–0.44, all P s < 0.05) and reinforcer magnitude [ d = 0.60; 95% confidence interval (CI) = 0.18, 1.01; P < 0.005] manipulations resulted in significant increases in behavioral economic demand across studies. Stress/negative affect manipulations also resulted in a small, significant increase in O max ( d = 0.18; 95% CI = 0.01, 0.34; P = 0.03); all other effect sizes for negative affect/stress were non‐significant, albeit similar in size ( d range = 0.14–0.18). In contrast, pharmacotherapy ( d range = −0.37 to −0.49; P s < 0.04), behavioral intervention ( d = −0.36 to −1.13) and external contingency ( d = −1.42; CI = −2.30, −0.54; P = 0.002) manipulations resulted in a significant decrease in intensity. Moderators (substance type) explained some of the heterogeneity in findings across meta‐analyses. Conclusions In behavioral economic studies, purchase tasks and multiple‐choice procedures appear to provide indices that are sensitive to manipulations found to influence motivation to consume addictive substances in field experiments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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.

Tête enseignante Opus0,327
Tête enseignante GPT0,504
Écart entre enseignants0,177 · 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