Gambling and Subsequent Road Traffic Injuries: A Longitudinal Cohort Analysis
Notice bibliographique
Résumé
BACKGROUND: To compare the risks of a road traffic injury (RTI) crash among adults who were involved in high-risk gambling and those who did not gamble. METHODS: We conducted a linked longitudinal cohort analysis of adult persons in large population survey conducted during 2007 and 2008 in Ontario, Canada. We used responses to Problem Gambling Severity Index to distinguish persons as nongamblers, no-risk, low-risk, or high-risk gamblers. All persons were subsequently monitored for a subsequent RTI crash as a driver, pedestrian, or bicyclist up to March 31, 2014, through health insurance databases. We estimated relative risks as rate ratios (RRs) with 95% confidence intervals (95% CIs). RESULTS: In all, 30,652 adults were included, of whom 52% self-identified as gamblers, including 49% as no-risk gamblers, 2% as low-risk gamblers, and 1% as high-risk gamblers. During a median follow-up period of 6.8 years, 708 participants (2%) were involved in 821 RTI crashes. The absolute risks of an RTI were 6.4 per 1000 person-years (95% CI 3.7-10.4) in high-risk gamblers and 3.6 per 1000 person-years (95% CI 3.2-4.0) in nongamblers. The relative risks for RTI crashes were significantly higher in high-risk gamblers than in nongamblers (adjusted RR 1.68, 95% CI 1.03-2.76). The risks for RTI crashes as a driver were augmented in high-risk gamblers than in nongamblers (RR 1.97, 95% CI 1.13-3.43). CONCLUSIONS: We found an increased risk of an RTI crash among drivers who self-identified as high-risk gamblers. Further research exploring the underlying mechanisms of these associations might interest health professionals to monitor RTI risks in adults involved in high-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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».