The roles of coping style and social support in the experience of harm and distress among people affected by another person’s gambling
Notice bibliographique
Résumé
BACKGROUND: Gambling-related harms can negatively impact the health and wellbeing of those around the person who gambles (affected others, AOs). The stress-strain-coping-support (SSCS) model proposes that the type of coping strategies AOs use, and the availability of social support, can effectively reduce some of these negative consequences. The current study aimed to explore the assumptions in the SSCS model by examining the role of coping styles and social support on the experience of harm and psychological distress in AOs. METHOD: A community sample (N = 1,131) of AOs completed the Problem Gambling Severity Index (PGSI), Gambling Harm Scale for Affected Others (GHS-AO-20; harm), Significant Other Closeness Scale, Kessler-6 (K6; psychological distress), Brief Coping Questionnaire (coping styles) and the Multidimensional Scale of Perceived Social Support (social support). Data were analysed using hierarchical multiple regression. RESULTS: The use of maladaptive coping styles was positively associated with harm and psychological distress. Social support was significantly negatively correlated with harm and distress. When all predictors were included in regression analyses, the only significant predictors of harm and distress were being exposed to a more severe gambling problem, being closer to the person with the gambling problem, greater use of maladaptive coping styles, and lower levels of social support. Some interaction effects were identified. CONCLUSIONS: Some commonly used coping behaviours may inadvertently exacerbate harm and distress, while social support appears to be protective against negative health impacts. Education, treatment, and support to AOs could provide options that address these findings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
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 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 ».