Die Inanspruchnahme von präventiven Angeboten durch Migrantinnen und Migranten mit glücksspielspezifischen Problemen
Bibliographic record
Abstract
Zusammenfassung Ausgangslage Personen mit Migrationshintergrund nehmen keineswegs öfter an Glücksspielen teil als die einheimische Bevölkerung, es ist aber wahrscheinlich, dass eine gleich häufige Teilnahme an Glücksspielen eher zu glücksspielbedingten Problemen führt. Zielsetzung Es wird untersucht, welche Zugangsbarrieren für Migrantinnen und Migranten mit glücksspielbedingten Problemen in Bezug auf die Inanspruchnahme von präventiven Angeboten bestehen und mit welchen Strategien die Wahrscheinlichkeit der Inanspruchnahme ebendieser Angebote erhöht werden kann. Methode Die narrative Literaturrecherche umfasst Studien und Übersichtsartikel, die zwischen 2014 und 2019 publiziert wurden. Ergebnisse Faktoren, welche Zugangsbarrieren darstellen können, sind Scham, die Angst vor Stigmatisierung und der Wunsch, das Problem selber oder im Kreis der Familie zu lösen. Hinzu kommt, dass glücksspielbedingte Probleme nicht mit Sucht assoziiert werden. Neben sprachlichen Problemen stellen die mangelnde Vertrautheit mit dem Gesundheitssystem sowie das fehlende Verständnis für die angewendeten Konzepte Hürden dar. Vielerorts lässt sich zudem eine mangelhafte Abstimmung des Gesundheitssystems auf die Bedürfnisse der Migrantinnen und Migranten feststellen. Um die Hürden gegenüber präventiven Angeboten zur Reduktion glücksspielbedingter Probleme zu senken, bedarf es eines stärkeren Einbezugs der anvisierten Zielgruppe. Schlussfolgerungen In Anlehnung an die Ottawa-Charta müssen partizipative Ansätze weiterentwickelt werden. Je frühzeitiger die Zielgruppen an der Problemdefinition und an der Gestaltung der präventiven Angebote partizipieren, desto niedriger sind die Barrieren, die der Inanspruchnahme dieser Angebote und einer Veränderung von gesundheitsbezogenen Verhaltensweisen entgegenstehen.
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 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".