Frequency and Correlates of Gambling Problems in Outpatients with Major Depressive Disorder and Bipolar Disorder
Notice bibliographique
Résumé
OBJECTIVE: To investigate the frequency of gambling in people who have been diagnosed with major depressive disorder (MDD) or bipolar disorder (BD). Secondary objectives were to examine: sex differences in the rates of gambling behaviour, the temporal relation between onset of mood disorders and problem gambling, psychiatric comorbidities associated with problem gambling, and the influences of problem gambling on quality of life. METHOD: People (aged 18 years and older) who met criteria for lifetime Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition, Text Revision-defined MDD or BD I or II, and were confirmed by the Mini International Neuropsychiatric Interview, were enrolled. Participants were recruited from 5 sites in Canada and 1 in the United States. Prevalence of past-year problem gambling was assessed with the Canadian Problem Gambling Index. Associated comorbidities with problem gambling are presented. RESULTS: A total of 579 participants were enrolled (female: n = 379, male: n = 200). Prevalence of problem gambling did not differ significantly between the MDD (12.5%) and the BD (12.3%) groups. There was a significant difference in the prevalence of problem gambling between males (19.5%) and females (7.8%) in the BD group (chi-square = 8.695, df = 1, P = 0.003). Among people meeting criteria for problem gambling, the mood disorder was the primary onset condition in 71% of cases. People with a mood disorder with comorbid current panic disorder (OR = 1.96; 95% CI 1.02 to 3.75), obsessive-compulsive disorder (OR = 1.86; 95% CI 1.01 to 3.45), specific phobia (OR = 2.36; 95% CI 1.17 to 4.76), alcohol dependence (OR = 5.73; 95% CI 3.08 to 10.65), or lifetime substance dependence (OR = 2.05; 95% CI 1.17 to 3.58), had significantly increased odds of problem gambling. Problem gambling across MDD and BD populations was also associated with lower quality of life ratings. CONCLUSION: These results reaffirm a higher prevalence of gambling both in BD and in MDD populations, compared with previously published community samples. Our study also identifies risk factors for gambling behaviours within these populations.
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 | 0,000 | 0,000 |
| 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 ».