MétaCan
Menu
Retour à la cohorte
Enregistrement W4294129810 · doi:10.1037/pha0000596

Income shock increases preferences for smaller immediate rewards and reduces alcohol demand among a sample of crowd-sourced adults.

2022· article· en· W4294129810 sur OpenAlexafffund
Herry Patel, Michael Amlung

Notice bibliographique

RevueExperimental and Clinical Psychopharmacology · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensMcMaster University
Organismes subventionnairesNational Institute on Alcohol Abuse and AlcoholismMcMaster UniversityUniversity of Kansas
Mots-clésShock (circulatory)DiscountingEconomicsDemographic economicsConsumption (sociology)Delay discountingPsychologySample (material)Alcohol consumptionSocial psychologyDemographyAlcoholMedicine

Résumé

récupéré en direct d'OpenAlex

= 140). The sample was predominantly middle-aged, male, and White (mean age = 38.81; 37.1% female; 77.1% White). Participants were randomly assigned to one of three income shock narratives (negative, neutral, positive). They completed two versions of the 5-choice delay discounting task for $100 and $1,000 and an alcohol purchase task (APT) before and after the income shock narrative. Following negative income shock, preferences for smaller immediate rewards increased in the $100 version of the discounting task and decreased the price at which alcohol consumption was suppressed to zero (i.e., break point). Sensitivity to price changes in the APT decreased following neutral and positive income shock but not the negative condition. Results replicate and extend prior findings examining the impact of income shock on delay discounting. Furthermore, this is the first study to study income shock effects on alcohol demand. Findings suggest that primary commodity manipulation (i.e., money) can potentially impact decision-making regarding secondary commodities (i.e., alcohol). (PsycInfo Database Record (c) 2023 APA, all rights reserved).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,315
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,473
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueExperimental and Clinical PsychopharmacologyMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207