使用机器学习识别中国高等职业学生的自杀念头:一个横截面调查
Kun Jin1, Tao Zeng2, Menghui Gao1
1Psychiatry Department and Mental Health Institute of the Second Xiangya Hospital, Central South University, China National Clinical Research Center on Mental Disorders, China National Technology Institute on Mental Disorders, Hunan Key Laboratory of Psychiatry and Mental Health, Changsha, 410011, Hunan, China.
European archives of psychiatry and clinical neuroscience
|February 22, 2025
概括
机器学习有效地识别了中国职业学生的自杀念头. 随机森林模型显示出高准确度,有助于对处于风险的个体进行早期干预.
科学领域:
- 精神病学是一个精神病学.
- 计算机科学 计算机科学
- 教育心理学教育心理学
背景情况:
- 自杀念头 (SI) 是一个严重的问题,特别是在中国的高等职业学生中,他们报告的自杀念头比普通人群的患病率更高.
- 早期识别有风险的学生对于干预至关重要,但传统方法可能不足.
研究的目的:
- 评估使用机器学习 (ML) 来识别中国高等职业学生的SI的可行性.
- 确定最有效的ML模型来在这个人口群体中检测SI.
主要方法:
- 一项涉及1573名高等职业学生 (89.51%男性) 的横截面研究.
- 具有和没有SI的学生之间的人口和临床特征的比较.
- 应用和评估10ML模型用于SI识别,重点关注ROC AUC,特异性和灵敏度等性能指标.
主要成果:
- 在SI的流行率为20.34%.
- 患有SI的学生更有可能是女性,参与过度的游戏,学业表现不佳,关系紧张,严重的精神痛苦,童年创伤,以及非自杀自伤 (NSSI) 的历史.
- 随机森林ML模型显示出出色的性能 (ROC AUC:0.97,特异性:96.00%,灵敏度:90.63%).
结论:
- 机器学习模型,特别是随机森林,在中国高等职业学生中识别SI方面非常有效.
- 临床注意力应集中在患有NSSI,双相情感障碍和抑郁症症状的学生身上.
- 在教育环境中,ML在早期SI检测中具有重要的临床应用潜力.
