MétaCan
Menu
Retour à la cohorte
Enregistrement W4408245498 · doi:10.1001/jamapsychiatry.2025.0024

Sports Gambling and Drinking Behaviors Over Time

2025· article· en· W4408245498 sur OpenAlexaff
Joshua B. Grubbs, Alexander J. Connolly, Scott Graupensperger, Hyoun S. Kim, Shane W. Kraus

Notice bibliographique

RevueJAMA Psychiatry · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPsychologyDemographyLatent growth modelingInjury preventionYoung adultPoison controlPsychiatryMedicineDevelopmental psychologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: Sports gambling has become one of the most accessible forms of gambling in the United States, and recent research suggests that sports gambling coupled with frequent alcohol use may have deleterious health consequences. Objective: To examine the trajectories of sports gambling frequency and alcohol-related problems over time and the associations between these trajectories. Design, Setting, and Participants: This survey study was a 2-year longitudinal study conducted in the United States. Participants were recruited from a nonprobability internet panel from 2 sources: a large cross-section of adults matched and weighted to US Census norms and a specific oversample of sports-gambling adults. Recruitment began in spring 2022, and the last surveys concluded in spring 2024. To identify trajectories within sports gambling frequency and alcohol use problems, latent growth curve modeling was used. Main Outcomes: At each time point, the National Institute on Drug Abuse-modified Alcohol, Smoking, and Substance Involvement Screening Test 2 was used to assess alcohol-related problems and sports gambling frequency was assessed by a single item. Results: The cross-section of US adults (n = 2806) and oversample of sports-gambling adults (n = 1557) resulted in a total baseline sample of 4363 (mean [SD] age, 49.6 [16.2] years; 2243 men [51.4%] and 2120 women or nonbinary gender reported [48.6%]). Latent growth curve modeling revealed that alcohol problems decreased over time (slope = -0.059; 95% CI, -0.090 to -0.028). Sports gambling frequency did not show a significant trend over time (slope = -0.003; 95% CI, -0.053 to 0.047), though there was significant variance in this slope (variance = 0.024; 95% CI, 0.013 to 0.034). The trajectories of alcohol-related problems and sports gambling did not move independently, instead being highly positively correlated, suggesting that increases in one would correspond to increases in the other. Conclusions and Relevance: This study found that over time, the trajectory of sports gambling frequency was associated with the trajectory of alcohol-related problems. Screening and treatment interventions are recommended for sport gamblers who also drink concurrently, especially because this group appears to be at an elevated risk for developing greater alcohol-related problems over time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,356
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA PsychiatryMême sujetGambling Behavior and TreatmentsTravaux en français237 207