Self-control depletion and nicotine deprivation as precipitants of smoking cessation failure: A human laboratory model.
Notice bibliographique
Résumé
OBJECTIVE: The need to understand potential precipitants of smoking relapse is exemplified by relapse rates as high as 95%. The Self-Control Strength model, which proposes that self-control is dependent upon limited resources and susceptible to fatigue, may offer insight into relapse processes. The current study tested the hypothesis that self-control depletion (SCD), produced from engagement in emotional suppression, would serve as a novel antecedent for cessation failure, as indexed by a validated laboratory analogue of smoking lapse and relapse. We also examined whether SCD effects interacted with those of a well-established relapse precipitant (i.e., nicotine deprivation). Craving and behavioral economic indices (delay discounting and demand) were tested as hypothesized mechanisms for increased cessation failure. Ultimately, a moderated mediation model was used to test nicotine deprivation as a hypothesized moderator of SCD effects. METHOD: We used a 2 × 2 (12-hr deprivation vs. no deprivation; SCD vs. no SCD) factorial between-subjects design (N = 128 smokers). RESULTS: The primary hypothesis of the study was supported, as SCD increased lapse behavior (p = .04). Nicotine deprivation significantly increased craving, cigarette demand, delay discounting, and lapse behavior. No main effects were found for SCD on putative mediators (i.e., craving, demand, and discounting), but the SCD and deprivation manipulations interacted upon craving (p = .04). The moderated mediation model was significant. SCD was found to increase craving among nicotine deprived smokers, which mediated effects on lapse behavior. CONCLUSIONS: SCD appears to play an important role in smoking relapse and may be a viable target for intervention. (PsycINFO Database Record
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 | 0,002 | 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) | 0,000 | 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 ».