U Kyotu je sveučilište provelo studiju na trojici skupina: krađe-rekidiviste s dijagnozom kleptomanije, krađe-rekidiviste bez kleptomanije i kontrolnu skupinu bez kriminalne povijesti. Sudionici su rješavali zadatak "četverokraki bandit" koji zahtijeva balansiranje između istraživanja i iskorištavanja opcija s različitim vjerojatnostima nagrade.
Tijekom zadatka istraživači su pomoću funkcionalne bliske infracrvene spektroskopije pratili aktivnost prefrontalnog korteksa. Analiza podataka primjenom modela pojačanog učenja pokazala je da krađe-rekidivisti bez kleptomanije ne uspijevaju prilagoditi ponašanje na povratne informacije, što ukazuje na oštećeno učenje pojačanja.
