Gender Differences in Gambling Disorder: Results from an Italian Multicentric Study.
Notice bibliographique
Résumé
Objective: Although gender-specific evidence on Gambling Disorder (GD) is still limited, some studies reported specific differences, mainly in psychopathological profiles, gambling behavior patterns, and pathogenesis. In order to further examine the role of gender in GD, we conducted a multicenter investigation in a sample of Italian outpatients. Method: One hundred-four outpatients with a diagnosis of GD based on DSM-5 criteria were consecutively recruited at two clinics based in Milan. Socio-demographic and clinical variables were collected for the whole sample and analyzed for the effect of gender. The severity of illness was assessed using the Canadian Problem Gambling Index and the Gambling Attitudes and Beliefs (GABS). Results: Among females, a significantly higher mean age (52.23 ± 10.95 vs. 40.96 ± 15.76; p=0.005) and older age at illness onset emerged (43.5 ± 11.92 vs. 29.22 ± 14.26; p<0.001). Females showed a significantly higher rate of psychiatric comorbidities, lifetime suicide ideation, stressful events at GD onset, and positive family history for GD compared to males. A predictive effect of male gender was found for the GABS questionnaires by performing a linear regression model, with males showing a higher risk to reach higher scores compared to females (B= 11.833; t=2.177; p=0.034). Conclusions: Our study seems to confirm the hypotheses that gender in GD may influence psychopathological profiles, course, and comorbidity. GD in female gender is frequently a comorbid condition with other specific clinical characteristics compared to males. Identifying specific clinical factors by gender may prompt more focus on the public health of women in relation to gambling, while still recognizing that males are at-risk of earlier gambling problems. These findings should be considered in therapeutic perspectives.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».