Uncovering the most robust predictors of problematic pornography use: A large-scale machine learning study across 16 countries.

Détails

Ressource 1Demande d'une copie Sous embargo indéterminé.
Accès restreint UNIL
Etat: Public
Version: de l'auteur⸱e
Licence: Non spécifiée
ID Serval
serval:BIB_3D1E48F7BFAE
Type
Article: article d'un périodique ou d'un magazine.
Collection
Publications
Institution
UNIL/CHUV
Titre
Uncovering the most robust predictors of problematic pornography use: A large-scale machine learning study across 16 countries.
Périodique
Journal of Psychopathology and Clinical Science
Auteur⸱e⸱s
Bőthe Beáta, Vaillancourt-Morel Marie-Pier, Bergeron Sophie, Hermann Zsombor, Ivaskevics Krisztián, Kraus Shane W., Grubbs Joshua B.
ISSN
2769-755X
2769-7541
Statut éditorial
Publié
Date de publication
17/06/2024
Peer-reviewed
Oui
Langue
anglais
OAI-PMH
oai:serval.unil.ch:BIB_3D1E48F7BFAE
DOI
10.1037/abn0000913
Pubmed
38884980
Création de la notice
18/07/2024 17:40
Dernière modification de la notice
19/07/2024 6:07
Données d'usage