Associations between financial gambling motives, gambling frequency and level of problem gambling: a meta‐analytic review
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Money is central to psychological definitions of gambling, but contemporary accounts are ambiguous regarding the role of financial motives in disordered gambling. The aims of the current research were to obtain meta-analytic weighted effect sizes for zero-order associations of financial motives against gambling frequency and level of problem gambling, as well as partial associations after controlling for other motives (e.g. coping). METHODS: A meta-analysis of the literature through February 2021 was undertaken. Studies were identified from multiple sources (e.g. database search, other researchers). PRISMA standards were followed when screening identified records and extracting relevant data. The data analytic plan was pre-registered. We included 44 cross-sectional studies that involved student, community and clinical samples of people who gamble (sample sizes ranged from 22-5666), using validated self-report measures of financial gambling motives alongside measures of either gambling frequency and/or problem gambling. RESULTS: Financial gambling motives were positively associated with gambling frequency, r = 0.29, 95% CI = [0.21, 0.37], n = 22 738, and level of problem gambling, r = 0.35, 95% CI = [0.31, 0.38], n = 38 204, with moderate effect sizes. Partial associations after controlling for overlapping variance with other gambling motives were also positive (gambling frequency: β = 0.14, 95% CI = [0.05, 0.22], n = 13 844; level of problem gambling: β = 0.18, 95% CI = [0.13, 0.22], n = 28 146), with small-to-moderate effect sizes. Effect sizes were heterogeneous and the extent of heterogeneity was high. Analyses of the zero-order association involving gambling frequency indicated that gambling motives measure (greater for Gambling Motives Questionnaire-Financial) and sample mean age (greater for younger samples) were moderators. No other moderators were statistically significant. CONCLUSIONS: Financial gambling motives appear to be reliably and positively associated with both gambling frequency and level of problem gambling.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».