Making Change: Attempts to Reduce or Stop Gambling in a General Population Sample of People Who Gamble
Notice bibliographique
Résumé
Objective: This study examined past year attempts to reduce or quit gambling among people who gamble generally and those with gambling problems specifically. Methods: = 10,054) completed a survey of gambling, mental health and substance use comorbidity and attempts to reduce or quit gambling. The sample was weighted to match the gambling and demographic profile for the same subsample (i.e., past month gamblers) in a recent Canadian national survey. Results: 5.7% reported that they tried to cutback or stop gambling in the past year. As predicted, individuals making a change attempt had greater levels of problem gambling severity and were more likely to have a gambling problem. Of individuals with problem gambling, 59.8% made a change attempt. Of those, 90.2% indicated that they did this primarily on their own, and 7.7% accessed formal or informal treatment. Most people attempting self- change indicated that this was a personal preference (55%) but about a third reported feeling too ashamed to seek help. Over a third (31%) reported that their attempt was successful. Of the small group of people accessing treatment, 39% described it as helpful. Conclusions: Whereas gambling treatment-seeking rates are low, rates of self-change attempts are high. The public health challenge is to promote self-change efforts among people beginning to experience gambling problems, facilitate success at self-change by providing accessible support for use of successful strategies, and provide seamless bridges to a range of other treatments when desired or required.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».