Reaching out to big losers: Exploring intervention effects using individualized follow-up.
Notice bibliographique
Résumé
OBJECTIVE: Previous research suggests that a brief duty-of-care telephone call to high expenditure customers was associated with lower gambling over the subsequent year. The current aim was to assess effects on individual trajectories rather than overall group effects reported previously. The objective was to identify different patterns of individual change over the follow-up year and explore differential responses of subgroups of individuals. METHOD: A matched pair design contrasting the outcome for telephone intervention with a no-intervention control condition. Five hundred and ninety-six statistical pairs randomly drawn from the top 0.5% of customers based upon annual expenditure at Norsk Tipping, Norway. Primary outcome measure was gambling theoretical loss (TL), derived from the Norsk Tipping gambling data warehouse. Player trajectories across time were identified using growth mixture modeling to assess differential intervention effects on homogenous subgroups of individuals. RESULTS: Relatively low, medium, and high TL subgroups were identified. The telephone intervention was associated with greater reductions than the control condition for all three subgroups but showed the strongest effect for the subgroup with the highest TL. The intervention was most effective for casino and sport gamblers, male, young, and middle-aged. CONCLUSIONS: A brief duty of care telephone contact with high expenditure customers showed sustained effects over 12 months, in particular for individuals showing the highest level of TL. Examining trajectories using advanced statistical models identified customer characteristics most strongly associated with reduced TL. These findings can guide prevention strategies with evidence-based knowledge about differential effects. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».