Craving Induction and Treatment Response in Transcranial Magnetic Stimulation for Tobacco Use Disorder
Notice bibliographique
Résumé
BACKGROUND: Repetitive transcranial magnetic stimulation (rTMS) is an emerging treatment for several mental health conditions including substance use disorders. Symptom provocation before rTMS is hypothesized to activate disease-related neurocircuitry and enhance treatment effects. For addiction, craving induction is frequently used before treatment, but its clinical utility requires further exploration. To assess whether craving induction enhances treatment outcomes, we analyzed data from the pivotal multisite trial of deep TMS (DTMS) for tobacco use disorder (TUD). METHODS: A total of 262 participants were randomized to 6 weeks of active or sham DTMS and instructed to set a quit date within the first 2 weeks. Craving was assessed using a 10-point visual analog scale before and after craving induction across 18 treatment sessions. Mixed-effects models tested whether craving induction increased craving across sessions and whether its magnitude predicted end-of-trial 4-week continuous quit rate (4W-CQR). RESULTS: Craving induction produced small but significant increases in craving (b = 0.34, 95% CI 0.18 to 0.50, p < .05) without evidence of habituation across sessions (b = -0.01, 95% CI -0.02 to 0.50, p = .38). Change in craving after cue induction did not significantly predict end-of-trial 4W-CQR, and there was no interaction with study arm (p = .95). CONCLUSIONS: Craving induction reliably increased craving, although the magnitude of cue-induced craving was not associated with end-of-trial smoking cessation. This finding suggests that greater craving induction does not predict greater therapeutic effect of rTMS. Further research is needed to understand the mechanisms and clinical implications of rTMS and brain state in TUD, including potential improvements in related domains such as inhibitory control.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».