Slot Machine Response Frequency Predicts Pathological Gambling
Notice bibliographique
Résumé
Slot machines are among the most addictive forms of gambling, and pathological gambling slot machine playersrepresent the largest group of treatment seekers, accounting for 35% to 93% of the population. Pathologicalgambling sufferers have significantly higher response frequency (games / time) on slot machines compared withnon-problem gamblers, which may suggest increased reinforcement of the gambling behavior in pathologicalgambling. However, to date it is unknown whether or not the increased response frequency in pathologicalgambling is associated with symptom severity of the disorder. This study tested the hypothesis that responsefrequency is associated with symptom severity in pathological gambling. We tested response frequency amongtwenty-two pathological gambling sufferers and twenty-one non-problem gamblers on a commercially availableslot machine, and screened for pathological gambling symptom severity using the South Oaks Gambling Screen(SOGS). The results showed that pathological gambling sufferers had significantly higher response frequencythan non-problem gamblers, and that response frequency was significantly correlated with SOGS symptomseverity among pathological gambling sufferers. Finally, binary logistic regression showed that responsefrequency accurately identified 21 (95.5%) pathological gambling sufferers and 18 (85.7%) non-problemgamblers. The correlation between response frequency and SOGS may suggest a stronger reinforcement ofgambling behavior in individuals with exacerbated pathological gambling symptoms. These findings may haveimportant implications for detecting behaviors underlying pathological gambling.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».