使用自然语言处理向目标农村和城市西班牙裔VA自杀预测模型提供信息

科学领域:

• 退伍军人事务 (VA) 医疗保健
• 自杀学是一种自杀学.
• 健康差异研究 研究健康差异研究

背景情况:

• 农村的西班牙裔退伍军人自杀率高于他们的城市同行.
• 了解导致这些差异的具体因素对于有针对性的干预至关重要.
• 现有的自杀风险预测模型可能无法充分捕捉农村特有的细微差别.

研究的目的:

• 调查农村和城市西班牙裔退伍军人之间自杀风险因素的差异.
• 通过非结构化的电子健康记录 (EHR) 数据来完善自杀风险预测指标.
• 根据农村地区进行分层分析,以更好地了解特定人口的风险.

主要方法:

• 利用了西班牙裔退伍军人事务 (VA) 患者的数据集,包括自杀死者 (案例) 和匹配的2015-2018年生活对照.
• 提取并预处理非结构化的EHR文本数据,用于语义分析.
• 开发了使用最小绝对收缩和选择运算符和后勤回归的预测模型,用接收器操作特征曲线 (AUC) 下的面积来评估准确性.

主要成果:

• 模型显示了农村西班牙裔退伍军人的高预测准确度 (AUC = 0.86) 和城市西班牙裔退伍军人的中等准确度 (AUC = 0.67).
• 农村模型突出了与社区和资源分离的主题.
• 城市模式强调异化和身份挑战.

结论:

• 这项研究提供了对因自杀而死亡的农村和城市西班牙裔退伍军人的独特风险概况的关键见解.
• 这些发现可以帮助开发更准确的自杀预测工具,以适应不同地理环境.
• 增强的理解可以指导各种老兵群体实施有效的自杀预防策略.