Revising the Pathways Model of Problem Gambling: Two Decades of Lessons Learned
Notice bibliographique
Résumé
The Pathways Model is a highly cited etiological model of problem gambling. Over the past two decades, a number of studies have found support for the model’s utility in classifying gambling subtypes. In addition, empirical research conducted by the original authors has suggested key revisions in the original model to maintain its stability over time. This presentation will provide an overview of the original model, related findings in the past 20 years, and introduce the revised model.\nA convenience sample of 1,168 treatment-seeking problem gamblers in the U.S., Canada, and Australia completed the Problem Gambling Severity Index and the Gambling Pathways Questionnaire. Empirically validated risk factors were analyzed using latent class analyses, identifying a three-class solution as the best-fitting model. Those in the largest class (Pathway 1) reported the lowest levels of all etiological risk factors. Participants in class 2 (Pathway 2) reported the highest rates of anxiety and depression, both before and after gambling became a problem, as well as childhood maltreatment, and a high level of gambling for stress-coping. Those in class 3 (Pathway 3) reported high levels of impulsivity; risk-taking, including sexual risk-taking; antisocial traits; and coping to provide meaning in life and to alleviate stress.\nImplications: The revised model provides an evidence-based, parsimonious summary of key risk factors that may variously predispose individuals to develop gambling problems. Those factors provide a “road-map” to guide clinicians in individualizing treatment to address the most important predictors of relapse.
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 | 0,019 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,011 |
| Communication savante | 0,005 | 0,012 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».