Using the 3-factor Sexual Desire Inventory to understand sexual desire in a sexually diverse sample with and without sexual interest/arousal disorder
Notice bibliographique
Résumé
The current literature on sexual desire is often limited to the experiences of heterosexual cisgender individuals. Individuals who identify as lesbian, gay, bisexual, transgender, queer (or sometimes questioning) (LGBTQ+) may experience sexual desire and relationship configurations differently than their heterosexual counterparts. The purpose of the study was to use the 3-factor structure of the Sexual Desire Inventory to compare LGBTQ+ and heterosexual cisgender individuals with and without sexual interest/arousal disorder (SIAD). The three domains are dyadic sexual desire towards partner, dyadic sexual desire for attractive other, and solitary sexual desire. A sample of 98 LGBTQ+ individuals and 65 heterosexual cisgender individuals ( M age = 31.2, SD = 9.1) were a part of a larger ongoing study where they completed online measures of demographics and sexual desire. We carried out 2x2 ANOVAs to compare desire domains among four subsamples: LGBTQ+ without SIAD, LGBTQ+ with SIAD, cisgender heterosexual without SIAD, and cisgender heterosexual with SIAD. There was a main effect of SIAD status on dyadic desire for a partner and for an attractive other such that those with SIAD had lower desire. There was a main effect of SIAD status and group for solitary sexual desire, such that those without SIAD; LGBTQ+ individuals reported significantly higher solitary desire, which could be explained by higher sexual positivity in this population. Future studies should explore the impact of relationship structures on these separate domains of dyadic desire in sexually diverse groups.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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 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 ».