Youth Aggressive/Disruptive Behavior Trajectories and Subsequent Gambling Among Urban Male Youth
Notice bibliographique
Résumé
This study examines the association between aggressive/disruptive behavior development in two distinct developmental periods-childhood (i.e., Grades 1-3) and early adolescence (i.e., Grades 6-10)-and subsequent gambling behavior in late adolescence up to age 20. The sample consists of 310 urban males of predominately minority and low socioeconomic status followed from first grade to late adolescence. Separate general growth mixture models were estimated to explore the heterogeneity in aggressive/disruptive behavior development in the aforementioned two periods. Three distinct behavior trajectories were identified for each period: a chronic high, a moderate increasing, and a low increasing class for childhood, and a chronic high, a moderate increasing, followed by decreasing and a low stable class for early adolescence. There was no association between childhood behavior trajectories and gambling involvement. Males with a moderate behavior trajectory in adolescence where two times more likely to gamble compared to those in the low stable class (OR = 1.89, 95% CI = 1.11, 3.24). Those with chronic high trajectories during either childhood or early adolescence (OR = 2.60, 95% CI = 1.06, 6.38; OR = 3.19, 95% CI = 1.18, 8.64, respectively) were more likely to be at-risk/problem gamblers than those in the low class. Aggressive/disruptive behavior development in childhood and early adolescence is associated with gambling and gambling problems in late adolescence among urban male youth. Preventing childhood and youth aggressive/disruptive behavior may be effective to prevent youth problem 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».