What explains the link between romantic conflict with gambling problems? Testing a serial mediational model
Notice bibliographique
Résumé
Introduction: While individuals have many motives to gamble, one particularly risky motive for gambling is to cope with negative affect. Conflict with one's romantic partner is a strong predictor of negative affect, which may elicit coping motives for gambling and, in turn, gambling-related problems. Support for this mediational model was demonstrated in relation to drinking-related problems. We extended this model to gambling. Method: Using a cross-sectional design, we examined links between romantic conflict (Partner-Specific Rejecting Behaviors Scale), negative affect (Depression, Anxiety, and Stress Scales-21), coping gambling motives (Gambling Motives Questionnaire, coping subscale), and gambling-related problems [Problem Gambling Severity Index (PGSI)] in 206 regular gamblers (64% men; mean age = 44.7 years; mean PGSI = 8.7) who were in a romantic relationship and recruited through Qualtrics Panels in July 2021. Results: Results supported our hypothesis that the association between romantic conflict and gambling-related problems would be sequentially mediated through negative affect and coping gambling motives, β = 0.38, 95% CI [0.27, 0.39], and also showed a strong single mediation pathway through negative affect alone, β = 0.27, 95% CI [0.17, 0.38]. Discussion: Negative affect and coping gambling motives partially explain the link between romantic conflict and gambling-related problems. Interventions should target both negative affect and coping gambling motives in response to romantic conflict to reduce gambling-related problems in partnered gamblers.
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 | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 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 ».