ERP responses to sexual cues among young women attracted to men
Notice bibliographique
Résumé
Abstract Previous event‐related potential (ERP) studies reported larger N170, P3, and late positive potential (LPP) amplitudes to sexual than nonsexual stimuli. These ERPs may not be specifically sensitive to processing sexual cues, however, because the sexual stimuli included information beyond sexual cues (e.g., faces, bodies, social interaction) to a greater extent than comparison stimuli. We investigated ERPs to stimuli that focused on sexual and nonsexual body regions, in different states of readiness for activity, to elucidate neural responses involved in processing sexual cues. Forty cisgender, primarily white, undergraduate women who were attracted to men ( M age = 18.6, SD = 0.9) viewed images that varied by male body part (penis, arm) and activity state (rest, poised for activity). Participants viewed 40 images per category (flaccid penises, erect penises, outstretched arms, bent arms). Electroencephalography (EEG) was recorded using a 128‐channel net, time‐locked to the onset of each image. Using a whole‐head cluster‐mass approach, we found that the P3 was sensitive to sexual readiness—P3 amplitudes were larger to erect than flaccid penises, but not to bent than outstretched arms. The N170 and LPP components did not show evidence of similarly specific responses to sexual readiness, revealing potential dissociation of different neural processes commonly elicited in response to more complex sexual stimuli. An additional novel finding was that an anterior N270‐400 was sensitive to sexual readiness. Findings clarify the brain's rapid responses to sexual stimuli, setting the stage for future research aimed at better understanding the neurocognitive processes that contribute to the coordination of sexual arousal.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».