Affective impulsivity moderates the relationship between disordered gambling severity and attentional bias in electronic gaming machine (EGM) players
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 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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