MétaCan
Menu
Retour à la cohorte
Enregistrement W4411029103 · doi:10.1038/s41746-025-01713-z

A scoping review of routinely collected linked data in research on gambling harm

2025· review· en· W4411029103 sur OpenAlexaff
Pippa Boering, Matthew Jones, Kishan Patel, Daniel Leightley, Simon Dymond

Notice bibliographique

Revuenpj Digital Medicine · 2025
Typereview
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensGreo
Organismes subventionnairesnon disponible
Mots-clésHarmPublic healthPsychologyMental healthNarrative reviewLinkage (software)Intervention (counseling)MedicineSocial psychologyPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

Gambling harm is a global public health challenge. Gambling is often recorded in settings using routinely collected data (RCD). Linking of existing RCD affords numerous opportunities for policy-led research on gambling harm and early intervention. To date, no previous review has examined research describing data linkage of RCD and gambling. Here, we searched for peer-reviewed articles using data linkage methodology with RCD and measures of gambling, gambling harm, or health-related outcomes. After screening 2373 articles, we conducted a narrative synthesis of the 17 included articles. Studies described data from 2,136,966 individuals, most originated from Nordic countries, adopted a range of experimental designs, tended to link individual-level data with risk factors for physical and mental health harms, and defined gambling in diverse ways. Study quality was mixed. There exist numerous opportunities for further data linkage studies with RCD to both inform public policy and understand population-wide changes in gambling.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,797
Tête enseignante GPT0,664
Écart entre enseignants0,132 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Digital MedicineMême sujetGambling Behavior and TreatmentsTravaux en français237 207