Problem gambling, risk behaviours, and mental health in adolescence: A person oriented study
Notice bibliographique
Résumé
Adolescent gambling is becoming a public health problem. While comorbidities with other externalizing behaviours have been ascertained, few studies focus on adolescents with a multi-problem behaviour pattern, i.e., alcohol and tobacco use, in addition to antisocial behaviour, which includes problem gambling. The purpose of this study was to identify adolescents with multi-problem behaviours, i.e., alcohol abuse, daily smoking, antisocial behaviour, and problem gambling and to investigate the differences in relation to gender. Unlike most studies on this topic, we adopted a person-oriented approach to identify groups of adolescent boys and girls who reported multi-problem risk behaviours, i.e., alcohol abuse, daily smoking, antisocial behaviour, and problem gambling. Moreover, we explored to what extent these adolescents exhibited mental health problems, i.e., depressive, psychosomatic, and ADHD symptoms, as well as sleep problems. The sample consisted of 1,526 adolescents from two age cohorts, 15- to 16-year-olds (n = 711, 47%) and 17- to 18-year-olds (n = 815, 53%). Latent Variable Mixture Modeling (LVMM) revealed one group with low rates of all risk behaviours and three groups with multi-problem behaviours. Among the latter three groups, two reported problem gambling and had higher levels of mental health problems. These results suggest that gambling can be added to the constellation of risk behaviours in adolescence and might be more associated with mental health problems than other externalizing behaviours.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».