The classification accuracy of four problem gambling assessment instruments in population research
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
Improved methodology was used to re-examine the weak correspondence between problem and pathological gamblers identified in population surveys and subsequent classification of these individuals in clinical interviews. The SOGS-R, the CPGI, the NODS and the Problem and Pathological Gambling Measure (PPGM), as well as questions about gambling participation and expenditures, were administered to a total of 7272 adults. Two clinicians then assessed each person's status, based on comprehensive written profiles derived from these questionnaire responses. Instrument classification was then compared to clinical classification. All four instruments correctly classified most non-problem gamblers (i.e. had good to excellent sensitivity, specificity and negative predictive power). However, the PPGM was the only instrument with good classification of problem gamblers (i.e. excellent sensitivity and positive predictive power). The CPGI and SOGS-R had weak positive predictive power and the NODS had only adequate sensitivity and positive predictive power. Improvement in the classification accuracy of the CPGI occurred when a 5+ cut-off was used and when a 4+ cut-off was used with the SOGS. In general, the classification accuracy of the NODS, SOGS and CPGI is better than prior research suggested but overall accuracy is still modest. With adjusted cut-offs, all three instruments are reasonably congruent with clinical ratings.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle