Traitement interne ou externe pour le jeu pathologique : variables influençant le choix de l’orientation
Bibliographic record
Abstract
Actuellement, il y a peu de critères standardisés permettant de guider l’orientation des joueurs et des joueuses pathologiques vers les traitements internes ou externes. Les guides de bonnes pratiques suggèrent d’orienter ceux-ci vers des services d’une intensité appropriée à leurs besoins. Selon la littérature, c’est la gravité du problème de jeu de hasard et d’argent (JHA) qui devrait déterminer l’intensité des services requis. Toutefois, la littérature présente une vaste gamme d’indicateurs pouvant permettre de déterminer la gravité d’un problème de JHA. La présente étude a comme objectif de déterminer quels indicateurs de la gravité d’un problème de JHA évalués lors de l’évaluation d’admission en traitement des joueurs et des joueuses sont utilisés pour déterminer de l’orientation vers les modalités de traitement interne ou externe. Les évaluations d’admission de 364 joueurs et joueuses adultes qui se sont présentés dans un service public du Québec spécialisé en dépendance ont été analysées à l’aide d’une régression logistique. Les résultats indiquent que bien que l’évaluation d’admission permette de dresser un portrait exhaustif de la situation du joueur et de la joueuse, seulement 5 indicateurs sont utilisés pour déterminer l’orientation clinique. Les impacts sur la durée de l’évaluation d’admission et sur le travail clinique des intervenants et des intervenantes sont discutés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".