All the Pringle ladies: Neural and behavioral responses to high‐calorie food rewards in young adult women
Notice bibliographique
Résumé
Reward processing is vital for learning and survival, and can be indexed using the Reward Positivity (RewP), an event-related potential (ERP) component that is larger for rewards than losses. Prior work suggests that heightened motivation to obtain reward, as well as greater reward value, is associated with an enhanced RewP. However, the extent to which internal and external factors modulate neural responses to rewards, and whether such neural responses motivate reward-seeking behavior, remains unclear. The present study investigated whether the degree to which a reward is salient to an individual's current motivational state modulates the RewP, and whether the RewP predicts motivated behaviors, in a sample of 133 women. To elicit the RewP, participants completed a forced-choice food reward guessing task. Data were also collected on food-related behaviors (i.e., type of food chosen, consumption of the food reward) and motivational salience factors (i.e., self-reported hunger, time since last meal, and subjective "liking" of food reward). Results showed that hungrier participants displayed an enhanced RewP compared to less hungry individuals. Further, self-reported snack liking interacted with RewP magnitude to predict behavior, such that when participants reported low levels of snack liking, those with a smaller RewP were more likely to consume their snacks than those with a larger RewP. Our data suggest that food-related motivational state may increase neural sensitivity to food reward in young women, and that neural markers of reward sensitivity might interact with subjective reward liking to predict real-world eating behavior.
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 | 0,000 |
| 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) | 0,001 | 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 ».