Die Inanspruchnahme von präventiven Angeboten durch Migrantinnen und Migranten mit glücksspielspezifischen Problemen
Notice bibliographique
Résumé
Zusammenfassung Ausgangslage Personen mit Migrationshintergrund nehmen keineswegs öfter an Glücksspielen teil als die einheimische Bevölkerung, es ist aber wahrscheinlich, dass eine gleich häufige Teilnahme an Glücksspielen eher zu glücksspielbedingten Problemen führt. Zielsetzung Es wird untersucht, welche Zugangsbarrieren für Migrantinnen und Migranten mit glücksspielbedingten Problemen in Bezug auf die Inanspruchnahme von präventiven Angeboten bestehen und mit welchen Strategien die Wahrscheinlichkeit der Inanspruchnahme ebendieser Angebote erhöht werden kann. Methode Die narrative Literaturrecherche umfasst Studien und Übersichtsartikel, die zwischen 2014 und 2019 publiziert wurden. Ergebnisse Faktoren, welche Zugangsbarrieren darstellen können, sind Scham, die Angst vor Stigmatisierung und der Wunsch, das Problem selber oder im Kreis der Familie zu lösen. Hinzu kommt, dass glücksspielbedingte Probleme nicht mit Sucht assoziiert werden. Neben sprachlichen Problemen stellen die mangelnde Vertrautheit mit dem Gesundheitssystem sowie das fehlende Verständnis für die angewendeten Konzepte Hürden dar. Vielerorts lässt sich zudem eine mangelhafte Abstimmung des Gesundheitssystems auf die Bedürfnisse der Migrantinnen und Migranten feststellen. Um die Hürden gegenüber präventiven Angeboten zur Reduktion glücksspielbedingter Probleme zu senken, bedarf es eines stärkeren Einbezugs der anvisierten Zielgruppe. Schlussfolgerungen In Anlehnung an die Ottawa-Charta müssen partizipative Ansätze weiterentwickelt werden. Je frühzeitiger die Zielgruppen an der Problemdefinition und an der Gestaltung der präventiven Angebote partizipieren, desto niedriger sind die Barrieren, die der Inanspruchnahme dieser Angebote und einer Veränderung von gesundheitsbezogenen Verhaltensweisen entgegenstehen.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 source (Gemma direct ou Codex distillé), 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 ».