利用全国调查数据对重度抑郁症患者自杀企图的机器学习预测：特征选择与模型构建

《Journal of Affective Disorders》：Machine learning prediction of suicide attempts in major depression: Feature selection and model development using national survey data

本研究基于中国国家抑郁症症状学调查（NSSD），采用Boruta算法和LASSO回归筛选出20个自杀尝试风险因素，其中自残、感觉能力下降等独立显著。构建的Logistic回归和列线图模型验证良好（AUC分别为0.935和0.937），为抑郁症患者自杀风险评估提供工具支持及机制研究线索。

　　本研究旨在探讨重度抑郁症（MDD）患者自杀尝试（SA）的风险因素。研究人员通过分析来自中国国家抑郁症状学调查（NSSD）的3247名MDD患者的横断面数据，采用多种统计方法筛选出与SA显著相关的预测变量，并建立预测模型以评估个体的SA风险。研究结果显示，SA在MDD患者中具有较高的发生率，且某些特定症状和临床特征与SA风险显著相关。研究不仅有助于开发针对MDD患者的自杀风险评估工具，也为进一步探索自杀行为的病理机制提供了线索。

重度抑郁症是一种高度普遍的精神疾病，其症状通常表现为严重、持续且反复发作，这不仅影响患者的社交角色功能，还对身体健康造成负面影响。MDD患者因情绪低落、兴趣丧失、睡眠障碍等症状，常面临多种不良后果，其中自杀行为尤为严重。自杀不仅可能导致死亡，还可能造成身体伤害、住院治疗以及个人自由的丧失。此外，自杀行为对家庭、社区乃至整个社会都具有深远的负面影响。研究表明，抑郁患者比普通人群更容易出现自杀念头、自杀尝试和完成自杀的行为。根据相关数据，全球每年约有72万例自杀事件中，约有一半发生在抑郁发作期间，而MDD患者完成自杀的风险是普通人群的近20倍。因此，识别MDD患者中与自杀尝试密切相关的因素对于自杀预防具有重要意义。

自杀尝试是自杀相关行为中最常见的一种，它意味着个体有意伤害自己，意图死亡。这种行为与多种长期负面后果密切相关，包括重复的自杀尝试、住院治疗、失业以及持续的自杀念头等。在MDD患者中，曾经有过自杀尝试的个体更可能发展为自杀死亡，其风险增加了30倍以上。此外，自杀尝试的预测能力也显著提升，表明该行为在评估自杀风险方面具有较高的临床价值。根据自杀的三步理论，与自杀念头相比，自杀尝试意味着患者具备更高的自杀能力，并且更接近于完成自杀。因此，识别影响自杀尝试的关键因素对于MDD患者的临床管理具有重要的指导意义。

然而，尽管已有大量研究关注抑郁与自杀行为之间的关系，但对于两者之间的关键决定因素仍然缺乏全面理解。抑郁症状的多样性以及患者之间的个体差异，使得这一领域的研究更加复杂。因此，有必要进一步研究MDD的临床表现，并根据其对自杀风险的相对贡献进行优先排序。研究还指出，抑郁症状之间可能存在强烈的内部相关性，这种相关性可能限制传统的单变量或多变量分析方法在筛选关键症状方面的有效性。为了克服这一挑战，研究人员采用了一种高维数据分析方法——Lasso回归，该方法能够同时进行变量选择和正则化，从而提高预测模型的准确性和可解释性。此外，Boruta算法也被用于特征选择，以确定对模型影响最大的变量。

本研究基于中国国家抑郁症状学调查的数据，该调查是一项多中心、基于医院的流行病学研究，涵盖了中国22个城市的15个省份。研究的主要目标是评估抑郁症状的流行情况及其临床表现，包括符合DSM标准和非DSM标准的抑郁症状。研究团队从29家医疗机构中招募了参与者，其中16家是专门的精神科医院。通过比较有和没有自杀尝试的MDD患者在人口学和临床特征上的差异，研究人员进一步识别了与自杀尝试显著相关的症状。研究结果显示，自杀尝试在MDD患者中的发生率约为12.1%，且多个变量与自杀尝试的风险显著相关。

在人口学特征方面，研究发现有自杀尝试史的MDD患者在年龄、婚姻状况、教育水平和职业状况等方面存在显著差异。这些差异表明，社会因素可能在自杀尝试的发生中起到一定作用。例如，年龄较大的患者可能更容易出现自杀尝试，而教育水平较低或职业状况不佳的患者也可能面临更高的风险。此外，婚姻状况的变化，如未婚或离异，可能与自杀尝试的发生有关。这些发现为后续研究提供了重要线索，提示在评估自杀风险时，应综合考虑患者的社会背景和生活状况。

在临床特征方面，研究识别出多个与自杀尝试风险显著相关的变量。这些变量包括抗抑郁药的使用情况、精神病性症状的存在、自我伤害行为、胃肠道症状、体重增加、无助感、不快乐情绪以及现实感的丧失等。其中，自我伤害行为被发现是预测自杀尝试的最强变量，其比值比（OR）高达70.90，表明自我伤害行为对自杀尝试的发生具有极高的预测价值。此外，胃肠道症状、体重增加、不快乐情绪以及现实感的丧失等也被认为是重要的风险因素。这些发现表明，某些特定的抑郁症状可能在自杀尝试的发生中起到关键作用。

研究团队采用Lasso回归和Boruta算法进行变量筛选，这些方法能够有效处理高维数据中的多重共线性问题，从而提高预测模型的准确性。通过这些方法，研究人员最终确定了9个与自杀尝试显著相关的变量，并进一步建立了逻辑回归和列线图模型，以可视化个体的风险评估结果。列线图模型不仅可以帮助临床医生更直观地理解各个变量对自杀尝试风险的贡献，还能够用于预测个体的自杀风险。这种模型的建立为临床实践提供了重要的工具，使医生能够在早期识别高风险患者，并采取相应的干预措施。

研究结果表明，MDD患者中存在多种与自杀尝试风险相关的因素，这些因素涵盖了社会人口学特征和临床表现。其中，自我伤害行为被证明是最强的预测变量，其OR值远高于其他变量，表明自我伤害行为可能是自杀尝试的关键诱因。此外，胃肠道症状、体重增加、不快乐情绪以及现实感的丧失等也被发现与自杀尝试风险显著相关。这些结果提示，在临床评估中，应重点关注这些症状，并将其作为评估自杀风险的重要指标。同时，这些症状的识别也为进一步研究自杀行为的机制提供了方向，有助于开发更有效的干预策略。

本研究的局限性在于其横断面设计，这使得无法明确预测变量与自杀尝试之间的因果关系。此外，研究数据是通过回顾性收集获得的，可能存在回忆偏差。这些因素可能影响研究结果的准确性，因此需要进一步的纵向研究来验证这些变量的因果关系。此外，研究样本主要来自中国，其结果可能无法完全推广到其他地区或文化背景下的患者群体。因此，未来的研究应考虑不同地区的差异，并进行更大规模的多中心研究，以提高结果的普遍适用性。

研究团队指出，MDD患者的抑郁症状具有高度的异质性，不同患者可能表现出不同的症状组合。这种异质性使得识别关键症状变得复杂，因此需要采用更先进的统计方法来处理高维数据并提高预测的准确性。Lasso回归和Boruta算法的结合使用，为这一问题提供了一种有效的解决方案。Lasso回归通过引入正则化项，能够有效处理多重共线性问题，并筛选出最重要的预测变量。而Boruta算法则能够对特征进行排序，确定哪些变量对模型的影响最大。这两种方法的结合不仅提高了预测模型的准确性，还增强了模型的可解释性，使其更适用于临床实践。

此外，研究还强调了自杀尝试在MDD患者中的重要性。由于自杀尝试与完成自杀之间存在紧密联系，因此，识别与自杀尝试相关的风险因素对于预防自杀行为具有重要意义。研究结果表明，抗抑郁药的使用、精神病性症状的存在、自我伤害行为等均与自杀尝试风险显著相关。这些发现提示，临床医生在评估MDD患者的自杀风险时，应综合考虑这些因素，并根据个体情况采取相应的干预措施。例如，对于有自我伤害行为的患者，应给予更高的关注，并提供更全面的心理支持和治疗。

在临床实践中，自杀风险的评估是一个复杂的过程，需要结合多种因素进行综合判断。本研究的结果为这一过程提供了新的视角，即某些特定的抑郁症状可能在自杀尝试的发生中起到关键作用。例如，无助感、不快乐情绪以及现实感的丧失等，这些症状可能反映了患者在情绪和认知方面的严重困扰，从而增加自杀的风险。因此，在临床评估中，应特别关注这些症状，并将其作为评估自杀风险的重要指标。同时，这些症状的识别也有助于制定个性化的干预方案，以降低自杀尝试的发生率。

本研究还强调了心理治疗和药物治疗在MDD患者中的重要性。例如，抗抑郁药的使用与自杀尝试风险之间的关系表明，药物治疗可能在一定程度上影响患者的自杀行为。然而，药物治疗的效果可能因个体差异而有所不同，因此，需要结合其他因素进行综合评估。此外，精神病性症状的存在也被发现与自杀尝试风险相关，这提示在MDD的治疗过程中，应特别关注精神病性症状的管理，并考虑采用综合治疗方案，以降低自杀风险。

研究结果还为MDD的管理和治疗提供了新的思路。例如，胃肠道症状和体重增加等非典型抑郁症状可能在自杀尝试的发生中起到重要作用，因此，临床医生在评估MDD患者时，不应仅关注典型症状，还应关注非典型症状。这种全面的评估有助于更准确地识别高风险患者，并采取相应的干预措施。此外，研究还指出，某些症状可能与其他因素相互作用，共同影响自杀尝试的风险。因此，在临床实践中，应采用多维度的评估方法，以更全面地了解患者的自杀风险。

本研究的结论强调了自我伤害行为在预测自杀尝试中的重要性，同时也指出了其他症状如胃肠道症状、体重增加、不快乐情绪以及现实感的丧失等可能对自杀尝试产生显著影响。这些发现为MDD患者的自杀风险评估提供了新的依据，有助于开发更有效的筛查工具。此外，研究还提到，这些结果可能对未来的机制研究提供线索，从而推动对自杀行为的深入理解。

总的来说，本研究通过系统分析MDD患者的临床数据，揭示了与自杀尝试风险显著相关的多个因素。这些因素涵盖了社会人口学特征和临床表现，其中自我伤害行为是最强的预测变量。研究结果不仅有助于提高对MDD患者自杀风险的识别能力，还为临床实践提供了重要的指导。未来的研究应进一步探索这些因素之间的相互作用，并结合纵向研究设计，以更准确地评估自杀尝试的风险。同时，研究结果也为开发针对MDD患者的自杀风险评估工具提供了理论支持，有助于改善临床管理和预防策略。