MétaCan
Menu
Retour à la cohorte
Enregistrement W2155225670 · doi:10.4309/jgi.2010.24.3

The association of at-risk, problem, and pathological gambling with substance use, depression, and arrest history

2010· article· en· W2155225670 sur OpenAlexvenueno aff
Sandra L. Momper, Jorge Delva, Andrew Grogan‐Kaylor, Ninive Sanchez, Rachel A. Volberg

Notice bibliographique

RevueJournal of Gambling Issues · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultinomial logistic regressionPathologicalDepression (economics)PsychiatryPsychologyLogistic regressionPsychological interventionAddictionSubstance useImpulse control disorderMental healthClinical psychologyAssociation (psychology)ComorbidityMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

We examined at-risk, problem, or pathological gambling co-occurrence with frequency of past-year alcohol, tobacco, and marijuana use; depressive symptoms; and arrest history. Data included the responses of over 3,000 individuals who participated in a 2006 telephone survey designed to understand the extent of at-risk, problem, and pathological gambling; comorbidity levels with substance use; mental health; and social problems among Southwestern U.S. residents. Data were analyzed with multinomial and bivariate logistic regression. Respondents at risk for problem gambling were more likely to use alcohol, tobacco, and marijuana than those respondents not at risk. Pathological gamblers were no more or less likely to consume alcohol or tobacco than were non-gamblers or those not at risk. A dose-response relationship existed between degree of gambling problems and depressive symptoms and arrest history. Interventions for at-risk or problem gamblers need to include substance use treatment, and the phenomenon of low levels of substance use among pathological gamblers needs further exploration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,368
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Gambling IssuesMême sujetGambling Behavior and TreatmentsTravaux en français237 207