Demographic, gambling, and psychological characteristics of sports bettors in a stratified sample of adults who gamble regularly.
Notice bibliographique
Résumé
OBJECTIVE: Sports betting accounts for the greatest proportion of online gambling behavior globally and has been linked to various harms. Few studies have examined the average sports bettor profile using stratified samples of adults who gamble regularly. The present study builds upon existing research on the demographic variables of sports bettors and provides an in-depth examination of the clinical and gambling-related factors associated with sports betting. METHOD: Participants (N = 10,039; 53.6% female) consisted of a stratified sample of Canadian adults who endorsed participating in gambling at least once per month in the past year. Participants completed standardized measures assessing demographics, gambling behavior, problem gambling severity, gambling-related harms, gambling motives, and psychological characteristics (e.g., substance use, mental health). RESULTS: About 1,816 participants (18.1%) reported engaging in sports betting in the past year. Sports bettors tended to be younger, male, and employed full-time compared to nonsports bettors. Sports bettors endorsed different patterns of clinical comorbidities and greater substance use. Sports betting was also associated with unique gambling motives and greater time and money spent on gambling. Among participants who endorsed problem gambling, sports betting was associated with greater impulsivity and likelihood of using illicit substances while gambling. CONCLUSIONS: The results highlight the characteristics of individuals who bet on sports, as well as the characteristics of sports bettors with problem gambling which may help to inform the development of targeted prevention and intervention efforts to mitigate the potential harms of sports betting. (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 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 | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,002 | 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 ».