A longitudinal examination of gambling subtypes in young adulthood
Notice bibliographique
Résumé
In previous research informed by the Pathways Model (an aetiological framework for problem and disordered gambling), latent mixture modelling was used to identify subtypes of gamblers based on measures of impulsivity, anxiety, depression, drug use, and alcohol dependence. The current study extended these findings by: (a) determining if similar subtypes would be identified in the same sample two years later; and (b) utilizing latent transition analysis (LTA) to determine if class membership remained stable over this time period. The sample (N = 566) included young adult gamblers. In line with previous work on Wave 2 of these data and theoretical considerations, a three class model of gamblers was retained at Wave 4: Non-Problem, Emotionally Vulnerable, and Impulsive. The LTA suggested that the majority of Non-Problem gamblers remained in the same class over time. In contrast, Emotionally Vulnerable gamblers were most likely to transition into the Non-Problem Gambler class, and Impulsive Gamblers were equally likely to transition into the Non-Problem and Emotionally Vulnerable classes. Our study provides evidence for the subtypes of gamblers outlined in the Pathways Model. It is also the first study to provide evidence that membership within Emotionally Vulnerable and Impulsive gambling subtypes is unstable during young adulthood.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».