Affective impulsivity moderates the relationship between disordered gambling severity and attentional bias in electronic gaming machine (EGM) players
Notice bibliographique
Résumé
Background and aims: Attentional bias to gambling-related stimuli is associated with increased severity of gambling disorder. However, the addiction-related moderators of attentional bias among those who gamble are largely unknown. Impulsivity is associated with attentional bias among those who abuse substances, and we hypothesized that impulsivity would moderate the relationship between disordered electronic gaming machine (EGM) gambling and attentional bias. Methods: We tested whether facets of impulsivity, as measured by the UPPS-P (positive urgency, negative urgency, sensation seeking, lack of perseverance, lack of premeditation) and the Barratt Impulsiveness Scale-11 (cognitive, motor, non-planning) moderated the relationship between increased severity of gambling disorder, as measured by the Problem Gambling Severity Index (PGSI), and attentional bias. Seventy-five EGM players participated in a free-viewing eye-tracking paradigm to measure attentional bias to EGM images. Results: Attentional bias was significantly correlated with Barratt Impulsiveness Scale-11 (BIS-11) motor, positive urgency, and negative urgency. Only positive and negative urgency moderated the relationship between PGSI scores and attentional bias. For participants with high PGSI scores, higher positive and negative urgency were associated with larger attentional biases to EGM stimuli. Discussion: The results indicate that affective impulsivity is an important contributor to the association between gambling disorder and attentional bias.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».