Decision making under risk and pathological gambling in older adults
Notice bibliographique
Résumé
Although previous research has suggested that decision making deficits characterized \npathological gamblers, this relationship has not been yet investigated among older adults. Our \nstudy was aimed at investigating the role of decision-making under risk on pathological gambling \nin people aged 65 years and over by controlling for their cognitive functioning. Participants were \n54 older adults (100% males, age range: 65-89 years, Mean age=74.29, SD=6.49) attending \nrecreational clubs in Italy. The Game of Dice Task (GDT) was used to measure risky decision making, and the Canadian Problem Gambilng Index (CPGI) was administered to relieve \npathological gambling. Older adults’ cognitive functioning was measured with the Montreal \nCognitive Assessment (MoCA). To investigate the effect of risky decision making on pathological \ngambling, an ANOVA was conducted using the CPGI score as the dependent variable and risky \ndecision making category, i.e., Non-risk decision makers, Low-risk decision makers, and High-risk \ndecision makers, as the independent variable. Controlling for cognitive functioning, results showed \na significant effect of risky decision making category (F(2,41)=3.84, p<.05, η2=.16). In detail, the \nCPGI score of High-risk decision makers was significantly higher (p<.001) than that obtained by \nNon-risk decision makers. This study suggests that the tendency to make disadvantageous choices \nin a situation of decision making under risk could make older adults more at-risk for the \noccurrence of problematic behaviors related to 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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».