Effects of a Smartphone-Based Approach-Avoidance Intervention on Chocolate Craving and Consumption: Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Repeatedly pushing high-calorie food stimuli away based on joystick movements has been found to reduce approach biases toward these stimuli. Some studies also found that such avoidance training reduced consumption of high-calorie foods. OBJECTIVE: This study aimed to test effects of a smartphone-based approach-avoidance intervention on chocolate craving and consumption, to make such interventions suitable for daily use. METHODS: Within a 10-day period, regular chocolate eaters (n=105, 86% female) performed five sessions during which they continuously avoided (ie, swiped upward) chocolate stimuli (experimental group, n=35), performed five sessions during which they approached and avoided chocolate stimuli equally often (placebo control group, n=35), or did not perform any training sessions (inactive control group, n=35). Training effects were measured during laboratory sessions before and after the intervention period and further continuously through daily ecological momentary assessment. RESULTS: Self-reported chocolate craving and consumption as well as body fat mass significantly decreased from pre- to postmeasurement across all groups. Ecological momentary assessment reports evidenced no differences in chocolate craving and consumption between intervention days and rest days as a function of the group. CONCLUSIONS: A smartphone-based approach-avoidance training did not affect eating-related and anthropometric measures over and above measurement-based changes in this study. Future controlled studies need to examine whether other techniques of modifying food approach tendencies show an add-on benefit over conventional, monitoring-based intervention effects. TRIAL REGISTRATION: AsPredicted 8203; https://aspredicted.org/pt9df.pdf.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».