在非自杀自伤的青年中预测未来自杀企图的感知可能性:使用LightGBM和SHAP的机器学习方法
Yinan Duan1, Chang Lei1, Shicun Xu2
1Vanke School of Public Health, Tsinghua University, Beijing, 100084, China.
Journal of affective disorders
|December 21, 2025
概括
年轻人非自杀性自我伤害 (NSSI) 预测了自杀企图 (SA). 这项研究确定了影响未来SA感知可能性的因素,有助于对处于风险的个体进行早期干预.
科学领域:
- 精神病学和心理健康 精神病学和心理健康
- 医疗保健中的机器学习
- 青少年健康 青少年健康
背景情况:
- 非自杀性自我伤害 (NSSI) 是青少年自杀企图 (SA) 的重要风险因素和前体.
- 了解从NSSI到SA的过渡对于开发有效的早期预防策略至关重要.
- 预测患有NSSI的年轻人未来自杀企图 (PLFSA) 的感知可能性是一个关键的公共卫生挑战.
研究的目的:
- 在有非自杀性自伤史 (NSSI) 的青少年中,确定对未来自杀企图 (PLFSA) 的感知可能性的预测因素.
- 分析NSSI的频率如何影响预测PLFSA的因素.
- 利用机器学习来提高对青少年PLFSA的预测和理解.
主要方法:
- 利用96,218名受访者的大量数据集,将6,955名具有NSSI病史 (但没有先前的SA) 的参与者分为基于NSSI频率的组.
- 采用光梯度增强机 (LightGBM) 算法与5倍的交叉验证,以使用56个特征构建预测模型.
- 应用沙普利增量解释 (SHAP) 来解释模型发现并确定关键预测特征.
主要成果:
- 机器学习模型在预测NSSI患者中的PLFSA方面表现出高准确度 (AUC0.85-0.95).
- 确认了已知的预测因素,如精神健康障碍的病史,并确定了包括寻求帮助行为和自我关系在内的新型因素.
- 随着NSSI频率的增加,观察到显著影响因素从外部领域转移到内部领域.
结论:
- 这项研究为早期检测和干预提供了宝贵的见解,以防止NSSI在年轻人中发展为PLFSA.
- 研究结果可以为与有风险青少年工作的医疗保健专业人员提供个性化查和干预策略.
- 强调需要量身定制的心理健康护理和预防自杀的方法,重点关注个体风险因素.
