在非精神病老年住院患者中构建和验证自杀想法的预测模型
Shuyun Xiong1, Dongxu Si2, Meizhu Ding3
1Guangdong Provincial Hospital of Chinese Medicine, Guangzhou, Guangdong, 510000, China.
BMC geriatrics
|May 9, 2025
概括
机器学习模型可以准确地预测非精神疾病的老年住院患者的自杀念头 (SI). 关键因素包括抑郁症,失眠和社会支持,有助于临床预防策略.
科学领域:
- 老年医学 老年医学
- 精神病学是一个精神病学.
- 在医疗保健中的数据科学.
背景情况:
- 患有非精神疾病的老年住院患者是自杀的脆弱人群.
- 在这个特定的人口群体中,关于自杀风险因素的研究有限.
- 自杀是一个重要的全球公共卫生问题.
研究的目的:
- 开发一种基于机器学习的预测模型,用于老年非精神病医院住院患者的自杀想法 (SI).
- 在这个人群中确定SI的关键预测因素.
- 为了支持一般医院的自杀预防工作.
主要方法:
- 利用807名老年住院患者 (年龄60岁以上) 的人口统计和临床数据.
- 使用患者健康问卷-9 (PHQ-9) 测量了自杀念头.
- 开发了使用后勤回归,Nomogram和随机森林算法的预测模型.
主要成果:
- 确定PHQ-8,雅典失眠量表,住院频率,社会支持,并发病,收入和就业作为关键预测因素.
- 这两种模型都取得了出色的预测性能 (AUC > 0.9).
- 随机森林模型表现出卓越的性能,AUC为0.958,高精度 (0.952),精度 (0.962),灵敏度 (0.987) 和F1得分 (0.974).
结论:
- 开发的机器学习模型为预测老年非精神病医院住院患者的自杀风险提供了宝贵的工具.
- 这些模型可以帮助临床医生实施有针对性的预防策略.
- 这些发现强调了在自杀风险评估中考虑心理和社会因素的重要性.
