Motivation-Matched Approach to the Treatment of Problem Gambling: A Case Series Pilot Study
Notice bibliographique
Résumé
The aim of the present case series was to provide a preliminary assessment of the utility of a motivation-matched treatment for problem gamblers. On the basis of their primary underlying motivations for gambling, 6 problem gamblers received either action-motivated (n = 4) or escape-motivated (n = 2) treatment. Drawing upon a cognitive-behavioural framework, this 6-session motivation-matched treatment was designed to address gamblers' maladaptive motivations for gambling (i.e., the need or desire for "escape" or "action"), as well as the effects of conditioning and maladaptive thinking patterns unique to each gambling motive subtype. Assessments were conducted at pre-treatment, post-treatment, and 3- and 6-month follow-up. Primary outcome measures included gambling behaviour (i.e., gambling frequency, time, and money spent gambling), severity of gambling problems, and gambling-related impairment or disability; secondary outcome measures included gambling-related craving, gambling abstinence self-efficacy, positively and negatively reinforcing gambling situations, and gambling outcome expectancies. Overall, participants showed pre- to post-treatment improvements on the majority of these measures, with relatively less immediate post-treatment treatment gains observed on measures that assessed positively and negatively reinforcing gambling situations and gambling-related impairment or disability. However, treatment gains at the 3- and 6-month follow-up were shown for most participants on these latter measures as well. Findings suggest promise for this novel treatment approach. The next step in this line of research is to conduct a randomized, controlled trial to compare the efficacy of this motivation-matched treatment for disordered gambling with treatment as usual.
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 | 0,001 | 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 | 0,000 |
| 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 ».