Thresholds of probable problematic gambling involvement for the German population: Results of the Pathological Gambling and Epidemiology (PAGE) Study.
Notice bibliographique
Résumé
Consumption measures in gambling research may help to establish thresholds of low-risk gambling as 1 part of evidence-based responsible gambling strategies. The aim of this study is to replicate existing Canadian thresholds of probable low-risk gambling (Currie et al., 2006) in a representative dataset of German gambling behavior (Pathological Gambling and Epidemiology [PAGE]; N = 15,023). Receiver-operating characteristic curves applied in a training dataset (60%) extracted robust thresholds of low-risk gambling across 4 nonexclusive definitions of gambling problems (1 + to 4 + Diagnostic and Statistical Manual for Mental Disorders-Fifth Edition [DSM-5] Composite International Diagnostic Interview [CIDI] symptoms), different indicators of gambling involvement (across all game types; form-specific) and different timeframes (lifetime; last year). Logistic regressions applied in a test dataset (40%) to cross-validate the heuristics of probable low-risk gambling incorporated confounding covariates (age, gender, education, migration, and unemployment) and confirmed the strong concurrent validity of the thresholds. Moreover, it was possible to establish robust form-specific thresholds of low-risk gambling (only for gaming machines and poker). Possible implications for early detection of problem gamblers in offline or online environments are discussed. Results substantiate international knowledge about problem gambling prevention and contribute to a German discussion about empirically based guidelines of low-risk 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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».