Predictive utility of the brief Screener for Substance and Behavioral Addictions for identifying self-attributed problems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The Brief Screener for Substance and Behavioral Addictions (SSBAs) was developed to assess a common addiction construct across four substances (alcohol, tobacco, cannabis, and cocaine), and six behaviors (gambling, shopping, videogaming, eating, sexual activity, and working) using a lay epidemiology perspective. This paper extends our previous work by examining the predictive utility of the SSBA to identify self-attributed addiction problems. METHOD: Participants (N = 6,000) were recruited in Canada using quota sampling methods. Receiver Operating Characteristics (ROCs) analyses were conducted, and thresholds established for each target behavior's subscale to predict self-attributed problems with these substances and behaviors. For each substance and behavior, regression models compared overall classification accuracy and model fit when lay epidemiologic indicators assessed using the SSBA were compared with validated screening measures to predict selfattributed problems. RESULTS: ROC analyses indicted moderate to high diagnostic accuracy (Area under the curves (AUCs) 0.73-0.94) across SSBA subscales. Thresholds for identifying self-attributed problems were 3 for six of the subscales (alcohol, tobacco, cannabis, cocaine, shopping, and gaming), and 2 for the remaining four behaviors (gambling, eating, sexual activity, and working). Compared to other instruments assessing addiction problems, models using the SSBA provided equivalent or better model fit, and overall had higher classification accuracy in the prediction of self-attributed problems. DISCUSSION AND CONCLUSIONS: The SSBA is a viable screening tool for problematic engagement across ten potentially addictive behaviors. Where longer screening tools are not appropriate, the SSBA may be used to identify individuals who would benefit from further assessment.
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.
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 | 0,001 |
| 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 découle