Evaluating the Applicability of Lower-Risk Gambling Guidelines within the Finnish Context
Notice bibliographique
Résumé
Abstract Background The Lower-Risk Gambling Guidelines (LRGG) are internationally developed, evidence-based recommendations aiming to minimize gambling-related harm by suggesting monthly and behavioral gambling limits. While rooted in research across eight countries, including Finland, this synthesis examines the applicability of the LRGG in Finland and explores culturally appropriate adaptations to support local implementation, with potential implications for public health communication and harm reduction. Methods We synthesized findings from two Finnish studies. A quantitative online survey (N = 778) by Palomäki et al. (2024) assessed public and professional acceptability of the LRGG. Egerer et al. (2025) conducted qualitative focus groups (N = 37) with gamblers, affected others, and professionals to evaluate perceived usability and identify cultural adaptations. Results The LRGG were generally viewed as clear and appropriate. Quantitative data showed higher support among professionals and more critical views among at-risk individuals. Preference was noted for framing expenditure limits in terms of personal rather than household income. Qualitative findings supported this, suggesting a 2% personal net income limit. A shared theme was the tendency to view the guidelines as meant for ‘others,’ underlining the need for inclusive messaging. Conclusions The studies collectively support the feasibility of implementing the LRGG in Finland with minor cultural adaptations. We recommend adopting a spending limit of 2% of personal net income to enhance clarity and acceptance. This evidence-informed, context-sensitive adaptation offers a promising preventive tool for minimizing gambling-related harm. The work has informed public health planning and communication strategies to broaden guideline relevance, particularly for vulnerable groups. These findings contribute to the refinement of public health messaging and strengthen Finland's foundation for gambling harm prevention. Key messages • Adapting the LRGG to 2% of personal net income increases comprehensibility and cultural relevance in Finland. • Inclusive communication strategies are essential for effective implementation of the LRGG.
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 | 0,040 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».