MétaCan
Menu
Retour à la cohorte
Enregistrement W3014604681 · doi:10.3389/fnhum.2020.00124

Alcohol Craving in Heavy and Occasional Alcohol Drinkers After Cue Exposure in a Virtual Environment: The Role of the Sense of Presence

2020· article· en· W3014604681 sur OpenAlexaff
Jessica Simon, Anne-Marie Étienne, Stéphane Bouchard, Étienne Quertemont

Notice bibliographique

RevueFrontiers in Human Neuroscience · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesUniversité de Liège
Mots-clésCravingModerationImmersion (mathematics)PsychologyHeavy drinkingAlcoholAddictionClinical psychologySocial psychologyMedicineEnvironmental healthPsychiatryHuman factors and ergonomicsPoison controlChemistry

Résumé

récupéré en direct d'OpenAlex

The development of new technologies, and more specifically the opportunity to immerse participants in virtual controlled environments, provides a new ecological framework for researchers to study complex behaviors. This experiment aimed to compare post-immersion craving in occasional and heavy alcohol drinkers. Twenty-two occasional drinkers and eighteen heavy drinkers were recruited and immersed in a virtual bar, including alcoholic beverages. After the exposure, heavy drinkers reported a significantly higher craving than occasional drinkers. Post-immersion alcohol craving was significantly related to the levels of perceived ecological validity of the virtual environment. Finally, a moderation analysis suggested that the levels of craving more strongly increased with perceived ecological validity in heavy drinkers than in occasional drinkers. Therefore, the perceived ecological validity was an important experimental parameter to study craving in a virtual environment. These results further suggested that virtual reality might be a useful tool for both the scientific study of alcohol addiction and the treatment of alcohol dependence and relapse.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,235
Écart entre enseignants0,217 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations60
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Human NeuroscienceMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207