Most rats prefer gambling opportunities featuring win-paired cues that drive risky choice: Synergistic interactions between choice of and choice during the cued rat gambling task
Notice bibliographique
Résumé
Win-paired cues drive maladaptive decision-making in laboratory-based gambling tasks. However, humans prefer these cued games that facilitate gambling addiction. Whether rats prefer tasks that employ win-paired cues is unknown, yet this has consequences for the validity of using rodent models to investigate problem gambling. Here, we allowed rats to choose on a trial-by-trial basis whether to work for cued or uncued rewards on the rat gambling task. We also performed computational modelling to investigate individual differences in decision-making strategies. Rats could be grouped based on preference for task type, which became more pronounced across training, or preference for risky options, as is standard for the rat gambling task. Risk-preferring rats increasingly preferred the cued task over time. Decision-making was marginally riskier on cued trials, particularly in risk-preferring rats, but this was independent of task preference. Pairing of rewards with audiovisual cues accelerated response times and enhanced impulsivity in both cue- and risk-preferring rats. Cued wins also resulted in greater post-reinforcement pauses in risk-preferring animals only. Diffusion model analyses revealed optimal decision-makers have longer non-decision times before risky or impulsive choices, yet this is absent in risk-preferring animals. As such, lapses in cognitive control could be responsible for maladaptive trial outcomes in optimal, but not risk-preferring, rats. Collectively, these data support the use of high-risk preference at baseline as a proxy for vulnerability to problem gambling. Furthermore, diverse computational mechanisms could be responsible for the negative impact of win-paired cues on gambling-like behaviour in at-risk versus resilient individuals.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».