The 20-item Gambling Harms Scale (GHS-20): Benchmarked to health utility using propensity weighting and control for comorbidities
Notice bibliographique
Résumé
Measuring gambling-related harm is crucial for public health initiatives, but existing screens like the Problem Gambling Severity Index (PGSI) have limitations. The 10-item Short Gambling Harms Screen (SGHS/GHS-10) addresses some gaps, but lacks comprehensive domain coverage and robust validation against health utility benchmarks. This study aimed to develop and validate an extended 20-item Gambling Harms Scale (GHS-20). Objectives included achieving better representation across harm domains, selecting items based on unique associations with health utility decrements, and benchmarking the scale's scores against health utility. Data were collected from 2,603 Australian adults who gambled in the past year. Participants completed 31 candidate harm items, the PGSI, the WHOQOL-BREF (measuring quality of life), and the SF-12 (for SF-6D health utility derivation). Item selection utilised latent trait modelling and lasso regression. The final GHS-20 scale was benchmarked against SF-6D health utility using propensity score weighting to balance demographic factors and generalised additive modelling (GAM) to control for comorbidities. Lasso regression identified items providing unique explanatory information, resulting in the 20-item GHS-20, which includes items from all six gambling harm domains. The GHS-20 demonstrated excellent reliability (alpha=.98, omega=.90), correlated positively with the PGSI (r=.78) and negatively with health utility (r=-.38). GAM analysis revealed a significant, near-linear negative relationship between GHS-20 scores and health utility, with statistically significant decrements observed even at low scores. The GHS-20 is psychometrically robust, and can comprehensively assess gambling harm and calculate population harm burden.
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 | 0,010 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».