Excessive trading, a gambling disorder in its own right? A case study on a French disordered gamblers cohort
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Trading and gambling appear to share some similarities. Indeed, traders can get professionally involved in high-risk types of trading as if it were gambling. This research explores whether excessive trading can be conceptualized as a subset of gambling disorders. OBJECTIVE: To better acknowledge the existence of an addictive-like trading behavior and to discuss its phenomenological similarities with gambling disorders. METHODS: The data of 8 excessive traders out of a cohort of 221 outpatients seeking treatment in our Problem Gambling unit were analyzed. RESULTS: Our case series revealed important similarities with gambling disorders in terms of diagnosis, trajectory and comorbidities. Like many disordered gamblers, excessive traders of this study experienced a number of small early wins, chased their losses, and ended up losing control over the money they invested. All of them invested in very risky stocks associated with short-term trading leading to potential large gains, but also with very significant losses. The structure itself of the two activities (gambling and trading) is very close. CONCLUSION: Our results tended to support the idea of an addictive-like trading behavior as a subset of gambling disorders. Investing is not a form of gambling, but some people gamble with investments. Several observations and recommendations can be made: (i) conduct researches; (ii) build and validate specific assessment tools; (iii) develop strategies for prevention and treatment; and (iv) conduct more rigorous studies to clarify what we named an addictive-like trading behavior.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle