Preliminary evidence that alcohol-related cues enhance facial emotion recognition speed and accuracy in polysubstance users
Notice bibliographique
Résumé
Purpose: There is evidence of impaired facial emotion recognition (FER) in individuals with substance use disorder (SUD). While previous studies have primarily examined group differences in FER performance, the influence of contextual factors remains poorly understood. This study investigates how alcohol-related stimuli (ARS) influence FER in polysubstance users, aiming to uncover potential mechanisms that could contribute to relapse in alcoholassociated environments. Methods: Eighty-two patients with polysubstance use with cocaine and alcohol as primary drugs receiving treatment at a public addiction service and 45 control participants completed two sequentially tasks administered in a counterbalanced order: a FER task (EMO) and a recognition task (ALC) incorporating ARS. Clinical data - including comorbidities, medications, substance use patterns and craving mesures - were collected through routine clinical documentation, complemented by standardized instruments: the Toronto Alexithymia Scale (TAS-20), Profile of Mood States (POMS), Alcohol Use Disorders Identification Test (AUDIT), and Inventory of Interpersonal Problems (IIP-47) Findings: Patients demonstrated significantly faster reaction times (RTs) for disgust, and enhanced anger recognition accuracy following ARS exposure compared to controls . These results suggest alcohol-context modulation of FER in polysubstance users. The authors discuss the implications and relevance of these findings for relapse prevention.
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 | 0,002 |
| 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 ».