Revenue Associated With Gambling-Related Harm as a Putative Indicator for Social Responsibility: Results From the Swiss Health Survey
Notice bibliographique
Résumé
Gambling behaviours represent a significant social and economic cost and an important public health problem. A putative index for monitoring gambling-related harm is a concentration of spending indicator that reports the proportion of gambling revenue derived from problem gambling. Using this indicator, we aimed to provide a first estimate of the proportion of gambling revenue associated with gambling-related harm in Switzerland according to the Swiss Health Survey. Data were obtained from the Swiss Health Survey 2017. The National Opinion Research Centre Diagnostic and Statistical Manual of Mental Disorders – Loss of Control, Lying and Preoccupation (NODS-CLiP) screening tool was used as part of the questionnaire, and the study findings were evaluated to determine the prevalence of gambling-related harm. Self-reported spending on terrestrial and online gambling (including gaming tables, electronic gaming machines, lotteries, sports betting) during the past 12 months was then used to calculate the portion of gambling revenue derived from players experiencing harm. A total of 12,191 respondents were included. Gambling-related harm was reported by 3.10% of our sample, according to NODS-CLiP criteria. The findings showed that although 52% of people experiencing harm spend less than 100 francs per month on gambling, 31.3% of total spending is attributable to gambling-related harm. In addition to pre-existing national prevalence studies, data on spending should be made readily available by gambling operators and regulators, in keeping with their regulatory obligations. The revenue structure, according to gambling type, should also be provided, including data from third-party gambling operators. In an interdisciplinary effort to improve public health and consumer protection, organized national structural prevention measures should be developed and evaluated.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».