相关实验视频
Updated: May 12, 2025
06:01
Transcranial Direct Current Stimulation for Online Gamers
Published on: November 9, 2019
7.9K
在问题博严重性指数上区分风险受访者的持续与插曲集群
W Spencer Murch1, Rebecca Scheurich2, Eva Monson2
1Department of Psychology, University of Calgary, 2500 University Drive NW, Calgary, T2N 1N4, Canada. spencer.murch@ucalgary.ca.
Journal of gambling studies
|May 8, 2025
概括
现在可以通过差异聚类更好地理解问题博严重性指数 (PGSI) 中等风险类别. 这种方法在中等风险徒中识别出不同的子组,提供了超出总分的更深入的见解.
科学领域:
- 心理学 心理学 心理学
- 数据科学数据科学数据科学
- 公共卫生 公共卫生
背景情况:
- 问题博严重程度指数 (PGSI) 被广泛用于评估与博相关的问题.
- 目前的PGSI评分 (3-7) 创建了一个"中等风险"类别,将持久和零星的博问题混为一谈.
- 这种模糊性阻碍了准确的评估,特别是考虑到DSM-V对博障碍的标准.
研究的目的:
- 开发一种方法来划分PGSI的中等风险类别.
- 在中等风险群体中,区分持续性和零星性博问题.
- 应用差异聚类,以便对中等风险的PGSI评分有细微的理解.
主要方法:
- 利用K-means对来自加拿大18494名在线徒的3868例中等风险病例的数据集进行聚类.
- 分析了PGSI调查响应中的差异,以确定不同的子组.
- 建立了0.40和0.81的差异截止值,以分离已识别的集群.
主要成果:
- 在中等风险的PGSI类别中确定了三个不同的集群:较低的变异率 (61.83%),中等变异率 (29.32%) 和较高的变异率 (8.85%).
- 这些集群在认可的PGSI项目数量和社会人口统计背景方面存在显著差异.
- 已识别的差异边界为分组提供了一个可计算的方法.
结论:
- 差异聚类为完善对中等风险PGSI评分的解释提供了一个有价值的工具.
- 这种方法为总结的分数提供了背景,区分了不同的问题博模式.
- 进一步的研究可以探索博障碍评估和干预的其他应用和影响.
