Problem gambling in psychotic disorders: A systematic review and meta‐analysis of prevalence
Notice bibliographique
Résumé
INTRODUCTION: Problem gambling (PBG) is more common in people with mental health disorders, including substance use, bipolar, and personality disorders, than in the general population. Although individuals with psychotic disorders might be expected to be more vulnerable to PBG, fewer studies have focused on this comorbidity. The aim of this review was to estimate the prevalence of PBG in people with psychotic disorders. METHODS: Medline (Ovid), EMBASE, PsycINFO (Ovid), CINAHL, CENTRAL, Web of science, and ProQuest were searched on November 1, 2023, without language restrictions. Observational and experimental studies including individuals with psychotic disorders and reporting the prevalence of PBG were included. Risk of bias was assessed using the Joanna Briggs Institute critical appraisal for systematic reviews of prevalence data. The pooled prevalence of PBG was calculated using a fixed effects generalized linear mixed model and presented through forest plots. RESULTS: = 69%). A lower prevalence was found in studies with a low risk of bias (5.6%; 95% CI = 4.4%-7.0%) compared with studies with a moderate risk of bias (10.4%; 95% CI = 9.2%-11.7%). Different methods used to assess PBG also contributed to the heterogeneity found. CONCLUSION: This meta-analysis found substantial heterogeneity, partly due to the risk of bias of the included studies and a lack of uniformity in PBG assessment. Although more research is needed to identify those at increased risk for PBG, its relatively high prevalence warrants routine screening for gambling in clinical practice.
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 | 0,020 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,042 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».