Prevalence of psychiatric co-morbidity in treatment-seeking problem gamblers: A systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: The aim of this paper was to systematically review and meta-analyse the prevalence of co-morbid psychiatric disorders (DSM-IV Axis I disorders) among treatment-seeking problem gamblers. METHODS: A systematic search was conducted for peer-reviewed studies that provided prevalence estimates of Axis I psychiatric disorders in individuals seeking psychological or pharmacological treatment for problem gambling (including pathological gambling). Meta-analytic techniques were performed to estimate the weighted mean effect size and heterogeneity across studies. RESULTS: Results from 36 studies identified high rates of co-morbid current (74.8%, 95% CI 36.5-93.9) and lifetime (75.5%, 95% CI 46.5-91.8) Axis I disorders. There were high rates of current mood disorders (23.1%, 95% CI 14.9-34.0), alcohol use disorders (21.2%, 95% CI 15.6-28.1), anxiety disorders (17.6%, 95% CI 10.8-27.3) and substance (non-alcohol) use disorders (7.0%, 95% CI 1.7-24.9). Specifically, the highest mean prevalence of current psychiatric disorders was for nicotine dependence (56.4%, 95% CI 35.7-75.2) and major depressive disorder (29.9%, 95% CI 20.5-41.3), with smaller estimates for alcohol abuse (18.2%, 95% CI 13.4-24.2), alcohol dependence (15.2%, 95% CI 10.2-22.0), social phobia (14.9%, 95% CI 2.0-59.8), generalised anxiety disorder (14.4%, 95% CI 3.9-40.8), panic disorder (13.7%, 95% CI 6.7-26.0), post-traumatic stress disorder (12.3%, 95% CI 3.4-35.7), cannabis use disorder (11.5%, 95% CI 4.8-25.0), attention-deficit hyperactivity disorder (9.3%, 95% CI 4.1-19.6), adjustment disorder (9.2%, 95% CI 4.8-17.2), bipolar disorder (8.8%, 95% CI 4.4-17.1) and obsessive-compulsive disorder (8.2%, 95% CI 3.4-18.6). There were no consistent patterns according to gambling problem severity, type of treatment facility and study jurisdiction. Although these estimates were robust to the inclusion of studies with non-representative sampling biases, they should be interpreted with caution as they were highly variable across studies. CONCLUSIONS: The findings highlight the need for gambling treatment services to undertake routine screening and assessment of psychiatric co-morbidity and provide treatment approaches that adequately manage these co-morbid disorders. Further research is required to explore the reasons for the variability observed in the prevalence estimates.
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 | 0,013 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,037 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».