Applying the Canadian Low-Risk Gambling Guidelines to Gambling Harm Reduction in England
Notice bibliographique
Résumé
There is a need for evidence-based guidelines for gamblers who wish to reduce their risk of harm by setting self-directed limits on their gambling. Recognizing this, the Canadian Low-Risk Gambling Guidelines were developed using data from 8 countries to establish the relationship between gambling behaviour and harm. The guidelines include recommended limits on gambling spending as a percentage of income, gambling frequency, and number of types of games played. However, the developers of the LRGG's did not include UK data in their analysis. This study analyzes data from Health Survey England to assess the applicability of the Canadian Low-Risk Gambling Guidelines to gamblers in England. Using HSE data from 2016 to 2018, we generated risk curves for the relationship between 2 dimensions of gambling behaviour-frequency of gambling sessions and number of types of games played-and gambling harm. We defined harm as a score of 1 or above on the Problem Gambling Severity Index. HSE does not include questions on gambling spending, therefore this was not assessed. The relationship observed between frequency and types of gambling and harm among HSE respondents was similar to the risk curves generated for the development of the Canadian LRGG's. Gamblers in England who gambled twice weekly or more, or who played 3 or more types of games, were significantly more likely to experience harm from gambling than those who gambled below these limits. The Canadian LRGG's may potentially be applied to gambling harm reduction efforts in England. More research is needed to determine the acceptability of these guidelines to people who gamble in England.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».