Examining the predictive validity of low‐risk gambling limits with longitudinal data
Notice bibliographique
Résumé
AIMS: To assess the impact of gambling above the low-risk gambling limits developed by Currie et al. (2006) on future harm. To identify demographic, behavioural, clinical and environmental factors that predict the shift from low- to high-risk gambling habits over time. DESIGN: Longitudinal cohort study of gambling habits in community-dwelling adults. SETTING: Alberta, Canada. PARTICIPANTS: A total of 809 adult gamblers who completed the time 1 and time 2 assessments separated by a 14-month interval. MEASUREMENTS: Low-risk gambling limits were defined as gambling no more than three times per month, spending no more than CAN$1000 per year on gambling and spending less than 1% of gross income on gambling. Gambling habits, harm from gambling and gambler characteristics were assessed by the Canadian Problem Gambling Index. Ancillary measures of substance abuse, gambling environment, major depression, impulsivity and personality traits assessed the influence of other risk factors on the escalation of gambling intensity. FINDINGS: Gamblers classified as low risk at time 1 and shifted into high-risk gambling by time 2 were two to three times more likely to experience harm compared to gamblers who remained low risk at both assessments. Factors associated with the shift from low- to high-risk gambling behaviour from time 1 to time 2 included male gender, tobacco use, older age, having less education, having friends who gamble and playing electronic gaming machines. CONCLUSIONS: An increase in the intensity of gambling behaviour is associated with greater likelihood of future gambling related harm in adults.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 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 ».