Predicting future harm from gambling over a five-year period in a general population sample: a survival analysis
Notice bibliographique
Résumé
BACKGROUND: There is little longitudinal evidence on the cumulative risk of harm from gambling associated with excess spending and frequency of play. The present study sought to assess the risk of gambling problems over a five-year period in adults who exceed previously derived low-risk gambling limits compared to those who remain within the limits after controlling for other modifiable risk factors. METHODS: Participants were adults (N = 4212) drawn from two independent Canadian longitudinal cohort studies who reported gambling in the past year and were free of problem gambling at time 1. Multivariate Cox regression was employed to assess the impact over time of gambling above low-risk gambling thresholds (frequency ≥ 8 times per month; expenditure ≥75CAD per month; percent of household income spent on gambling ≥1.7%) on developing moderate harm and problem gambling. Covariates included presence of a DSM5 addiction or mental health disorder at time 1, irrational gambling beliefs, number of stressful life events in past 12 months, number of game types played each year, and playing electronic gaming machines or casino games. RESULTS: In both samples, exceeding the low-risk gambling limits at time 1 significantly increased the risk of moderate harm (defined as ≥2 consequences on the Problem Gambling Severity Index [PGSI]) within 5 years after controlling for other modifiable risk factors. Other significant predictors of harm were presence of a mental disorder at time 1, cognitive distortions about gambling, stressful life events, and playing electronic gaming machines or casino games. In one sample, the five-year cumulative survival rate for moderate harm among individuals who stayed below all the low-risk limits was 95% compared to 83% among gamblers who exceeded all limits. Each additional low-risk limit exceeded increased the cumulative probability of harm by 30%. Similar results were found in models when the outcome was problem gambling. CONCLUSIONS: Level of gambling involvement represents a highly modifiable risk factor for later harm. Staying below empirically derived safe gambling thresholds reduces the risk of harm over time.
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 | 0,001 |
| 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) | 0,002 | 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 ».