Comparisons between the South Oaks Gambling Screen and a DSM-IV—Based Interview in a Community Survey of Problem Gambling
Notice bibliographique
Résumé
OBJECTIVE: To directly compare 2 forms of assessment for determining gambling problems in a community survey, and to examine the characteristics of respondents who endorsed DSM-IV symptoms but who scored below the formal DSM-IV diagnostic cut-off for pathological gambling. METHOD: We interviewed 1489 Winnipeg adults by phone (response rate 70.5%) using th South Oaks Gambling Screen (SOGS), a DSM-IV-based instrument, and several gambling-related variables. RESULTS: The lifetime prevalence of "probable pathological gambling" (according to the SOGS, having a score of > or = 5) was 2.6%. The SOGS items and DSM-IV symptoms were highly correlated (r = 0.80), but a score of 5 or more symptoms for a DSM-IV diagnosis produced lower prevalence figures. Comparisons between recreational gamblers (those with no DSM-IV symptoms), subthreshold pathological gamblers (those with 1 to 4 DSM-IV symptoms), and pathological gamblers (those with > or = 5 DSM-IV symptoms) on series of gambling-related variables (for example, high use of video lottery terminals) revealed that subthreshold individuals significantly differed from recreational gamblers and more closely approximated the characteristics displayed by pathological gamblers. CONCLUSIONS: SOGS items show a high degree of association with the DSM-IV clinical symptoms of pathological gambling, but the DSM-IV cut-off of 5 symptoms is more conservative in defining gambling problems. Results support a continuum view of gambling problems in the community. DSM-IV scores of 3 or 4 represent the higher end of the group officially considered diagnostically "subthreshold" and may be important from both a clinical and public health perspective.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».