A framework for reporting outcomes in problem gambling treatment research: the Banff, Alberta Consensus
Notice bibliographique
Résumé
OBJECTIVE: The objective is provide a framework concerning the minimum features of reporting efficacy of treatment in the problem gambling field. Research to date has not used uniform outcome measures and it is, therefore, difficult to compare the relative efficacy of various approaches. Some studies emphasize self-reported behavioural measures such as frequency and intensity of gambling whereas others emphasise change with respect to the criteria used to diagnose problem gambling or use composite measures of symptom severity in multiple domains involving gambling-related thoughts, urges, and behaviours. METHODS: An expert panel consensus. RESULTS: The proposed minimum features of reporting the efficacy of treatment outcome studies are: measures of gambling behaviour - the net expenditure each month, the frequency (in days per month) with which gambling takes place, and the time spent thinking about or engaged in the pursuit of gambling each month; measures of the problems caused by gambling - especially problems in the areas of personal health, relationships, financial, and legal; these measures can be complemented by additional measures of quality of life. measures of the processes of change - whatever mechanisms of change are assumed to occur. CONCLUSIONS: We believe that these guidelines are broad enough to allow clinical research conducted from diverse perspectives to allow valid cross study evaluations of intervention studies. Such conditions will facilitate the development of empirically validated best practice guidelines for use by clinicians in the management of 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,569 | 0,461 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,030 | 0,025 |
| Études des sciences et des technologies | 0,011 | 0,036 |
| Communication savante | 0,020 | 0,012 |
| Science ouverte | 0,025 | 0,019 |
| Intégrité de la recherche | 0,020 | 0,037 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».