编辑推荐：
为解决 PGSI “中度风险类别” 中问题发生情况与频率混淆的问题，研究人员对 18494 名加拿大在线赌徒数据库中的 3868 个中度风险案例展开研究。运用方差聚类法，发现三个不同方差聚类，其在 PGSI 项目数量和参与者社会人口背景上有差异，这有助于解读 PGSI 中度风险分数。
问题赌博严重程度指数（Problem Gambling Severity Index，PGSI）是评估过去一年赌博相关问题的常用工具。已有多种分类方案，分数 3 - 7 通常被解释为反映 “中度” 问题程度。关键在于，报告一两个持续性问题或多达七个偶发性问题都可能被归为 “中度风险类别”。鉴于《精神疾病诊断与统计手册》第五版（DSM-V）中赌博障碍可能持续或偶发，这种问题发生情况和频率的混淆，使得开发一种划分 PGSI 中度风险类别的方法成为必要。
研究人员提出一种 “方差聚类（variance clustering）” 方法来分析 PGSI 中的中度风险案例。他们从包含 18494 名加拿大在线赌徒的现有数据库中选取 3868 个中度风险案例，运用 K-means 聚类算法，在收集的 PGSI 调查数据方差中识别出不同的子群体。结果发现，有三个聚类（分别对应低方差 [61.83%]、高方差 [8.85%] 和中等方差 [29.32%] 案例），其规模并不相等，且在 0.40 和 0.81 的临界值处区分开来。这些聚类在认可的 PGSI 项目数量以及参与者社会人口背景的多个维度上存在差异 。这些方差界限以及它们所区分的案例聚类计算简便，能为处于 PGSI 中度风险类别的综合调查分数提供有用的背景信息。此外，文章还讨论了该方法的更多应用和进一步研究的方向。
