Relationships between socio‐economic status and lottery gambling across lottery types: neighborhood‐level evidence from a large city
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Lottery gambling participation tends to be higher among lower socio-economic status (SES) individuals, but it is unclear how this relationship differs as a function of lottery type. We estimated how the relationship between SES and lottery gambling rates varies across different types of lottery gambling: fixed-prize, progressive-prize (jackpot) and instant-win (scratch card) lottery tickets in a large Canadian city. DESIGN: Neighborhood-level lottery purchase data obtained from the Ontario Lottery and Gaming Commission were analysed in conjunction with demographic data. Mixed-effects regression was used to assess simultaneously how neighborhood-level SES predicts per-person lottery gambling rates across fixed-prize, progressive-prize lottery and instant-win lotteries. SETTING AND PARTICIPANTS: Neighborhoods in Toronto, Ontario, Canada in the years 2012-15. MEASUREMENTS: Per-capita sales in dollars (CAD) of fixed-prize lottery, progressive-prize lottery and instant-win tickets in Toronto postal codes. SES was estimated as a composite of income, years of education and white-collar employment. FINDINGS: Lower-SES neighborhoods engaged in higher rates of lottery gambling overall [β = -0.084, standard error (SE) = 0.24, P = 0.0007]. The predictive effect of SES varied significantly by lottery type (fixed-prize: β = -0.105, SE = 0.004, P < 0.0001, instant-win: β = -0.054, SE = 0.004, P < 0.0001; relative to progressive-prize). The predictive effect of SES was strongest for fixed-prize lotteries and weakest for progressive-prize lotteries, such that we did not observe a significant predictive effect of SES for progressive-prize lotteries (β = -0.031, SE = 0.024, P = 0.198). CONCLUSIONS: People in lower socio-economic status neighborhoods in Toronto, Canada appear to engage in more lottery gambling than those in higher socio-economic status neighborhoods, with the difference being largest for fixed prize lotteries followed by instant win lotteries, and no clear difference for progressive prize lotteries.
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 | 0,000 | 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) | 0,001 | 0,001 |
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 ».