Alcohol cues increase behavioral economic demand and craving for alcohol in nontreatment‐seeking and treatment‐seeking heavy drinkers
Notice bibliographique
Résumé
Abstract Background Behavioral economic research has revealed significant increases in alcohol demand following exposure to alcohol‐related cues. Prior research has focused exclusively on nontreatment‐seeking heavy drinkers, included only male participants, or used heterogeneous methods. The current studies sought to replicate and extend existing findings in treatment‐seeking and nontreatment‐seeking heavy drinkers while also examining sex effects and moderation by alcohol use disorder (AUD) severity. Methods Study 1 included 117 nontreatment‐seeking heavy drinkers (51.5% women; M age 34.69; 56.4% AUD+), and Study 2 included 89 treatment‐seeking heavy drinkers with AUD (40.4% women; M age = 41.35). In both studies, alcohol demand was measured using a hypothetical alcohol purchase task (APT), and subjective alcohol craving was measured using visual analog scales. Measures were collected following exposure to neutral (water) cues in a standard room and alcohol cues in a bar lab. Results Alcohol demand (intensity, Omax, breakpoint, and elasticity) and craving were significantly increased following alcohol cues compared to neutral cues (ps < 0.005) with effect sizes ranging from small to large (ηp2 = 0.074–0.480). Participants with AUD (Study 1) or with higher AUD severity (Study 2) reported higher craving and higher demand for most indices (i.e., main effects; ps < 0.032, ηp2 = 0.043–0.239). A larger alcohol cue increase in Omax was found for AUD+ participants in Study 1 compared to non‐AUD participants (p = 0.028, ηp2 = 0.041) but not for any other indices in Study 1 or Study 2. There were no significant sex effects. Conclusions These findings replicate and extend prior research by offering additional insight into alcohol cue effects on the reinforcing value of alcohol and subjective motivation to drink. The results also suggest that sex and AUD severity do not meaningfully impact cue effects across most indices of demand.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».