在青春期早期使用机器学习预测第一次自杀企图

科学领域:

• 青少年心理学 青少年心理学
• 机器学习在医疗保健中的应用
• 公共卫生 公共卫生

背景情况:

• 自杀是青少年早期死亡的主要原因.
• 了解在此期间自杀企图的首次发作至关重要.
• 这项研究解决了有关青少年早期自杀风险因素的知识差距.

研究的目的:

• 确定与青春期早期第一次自杀企图相关的关键特征.
• 开发一个预测模型来评估个人自杀风险.
• 改善青少年自杀的早期发现和预防策略.

主要方法:

• 利用了青少年大脑认知发展研究 (ABCD研究) 的数据.
• 专注于4238名早期青少年 (11-12岁) 没有先前自杀未遂史的队列.
• 开发了一个非常随机的树模型,使用87个生物心理社会预测因素来预测两年内自杀企图.

主要成果:

• 163名青少年 (3.8%) 在两年内报告了他们的第一次自杀企图.
• 预测模型实现了0.82的AUC,表明良好的区分能力.
• 关键预测因素包括性别,性取向,负面影响,内化/注意力问题和自杀念头.

结论:

• 机器学习算法有效地识别了青少年早期自杀企图的预测因素.
• 结果可以为定制查工具的开发提供信息.
• 洞察力支持针对弱势青年创建有针对性的预防性干预措施.