Examining sexual functioning and disgust in virtual reality: Low sexual interest/arousal and sexual pain moderate disgust toward sexual stimuli
Notice bibliographique
Résumé
Sexual dysfunctions are highly prevalent, affecting up to one-third of the adult population and significantly impacting mental well-being and intimate relationships. Virtual reality (VR) offers a promising and ecologically valid tool for studying psychological disorders; however, its application to research on sexual functioning remains underdeveloped. Sexual disgust is positively associated with sexual dysfunction symptoms, yet existing research remains scarce and has relied primarily on retrospective questionnaires and computer-based 2D erotic stimuli. This experimental study investigates whether low sexual functioning (i.e., low interest/arousal, lubrication/erection difficulties, orgasmic difficulties, and sexual pain) is linked to disgust toward virtual sexual cues. Seventy individuals completed self-reported measures of sexual functioning and disgust propensity. After completing a VR relaxation task, they participated in two VR-Behavior Avoidance Tests (VR-BAT): one sexual and one non-sexual. Disgust and sexual arousal were measured after the relaxation task and each VR-BAT. Participants also completed a sexual presence questionnaire post-immersion. Bivariate correlations and repeated-measures ANCOVAs were conducted. Results indicate that sexual disgust propensity is positively correlated with disgust ratings in the sexual VR-BAT, while sexual presence is positively associated with sexual arousal. Significant condition × sexual difficulties interaction effects show that reduced sexual interest/arousal and increased sexual pain are linked to heightened disgust exclusively in the sexual VR-BAT condition. These findings provide additional evidence that sexual disgust is associated with impaired sexual interest/arousal and sexual pain. This research highlights the value of VR sexual stimuli in studying sexual functioning and underscores the need for future studies to explore the potential of VR-based interventions in addressing the mechanisms underlying sexual dysfunctions and distress, including sexual disgust.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».