SmoCuDa: A Validated Smoking Cue Database to Reliably Induce Craving in Tobacco Use Disorder
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.
Notice bibliographique
Résumé
BACKGROUND: Cue-reactivity paradigms provide valuable insights into the underlying mechanisms of nicotine craving in nicotine-dependent subjects. In order to study cue-driven nicotine craving, robust and validated stimulus datasets are essential. OBJECTIVES: The aim of this study was to generate and validate a large set of individually rated smoking-related cues that allow for assessment of different stimulus intensities along the dimensions craving, valence, and arousal. METHODS: The image database consisted of 330 visual cues. Two hundred fifty smoking-associated pictures (Creative Commons license) were chosen from online databases and showed a widespread variety of smoking-associated content. Eighty pictures from previously published databases were included for cross-validation. Forty volunteers with tobacco use disorder rated "urge-to-smoke," "valence," and "arousal" for all images on a 100-point visual analogue scale. Pictures were also labelled according to 18 categories such as lit/unlit cigarettes in mouth, cigarette end, and cigarette in ashtray. RESULTS: Ratings (mean ± SD) were as follows: urge to smoke, 44.9 ± 13.2; valence, 51.2 ± 7.6; and arousal, 54.6 ± 7.1. All ratings, particularly "urge to smoke," were widely distributed along the whole scale spectrum. CONCLUSIONS: We present a novel image library of well-described smoking-related cues, which were rated on a continuous scale along the dimensions craving, valence, and arousal that accounts for inter-individual differences. The rating software, image database, and their ratings are publicly available at https://smocuda.github.io.
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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle