A Treatment Approach for Adolescents with Gambling Problems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As indicated in previous chapters‚ it is not uncommon for an adolescent to be participating in one form of gambling or another‚ be it the lottery‚ card playing for money‚ sports wagering‚ or gambling on electronic gambling devices. The results of the National Research Council’s (NRC) (1999) review of empirical studies suggest that 85% of adolescents (the median of all studies) report having gambled during their lifetime‚ with 73% of adolescents (median value) reporting gambling in the past year. This raises serious mental health and public policy concerns (Derevensky‚ Gupta‚ Messerlian & Gillespie‚ in this volume; NRC‚ 1999). Meta-analyses (Shaffer & Hall‚ 1996) and a review of more recent studies (see Jacobs‚ in this volume) confirm that between 4–8% of youth are experiencing very serious gambling-related problems‚ with another 10–15% at-risk for the development of a gambling dependency. More recent debates have raised the question as to the accuracy of prevalence rates of problem gambling amongst youth. Some have recently argued that our current instruments and screens are not accurately assessing pathological gambling amongst adolescents but are over-estimating the prevalence rates (i.e‚ Ladouceur et al.‚ 2000; Jacques & Ladouceur‚ 2003). Yet‚ in a comprehensive discussion of the arguments‚ Derevensky‚ Gupta and Winters (2003) and Derevensky and Gupta (in this volume) suggest that many of the assertions raised have little merit. Nevertheless‚ while this debate plays itself out in the research community and
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 découle