构建新生自杀风险预测模型：精准防控校园自杀危机

大学生自杀问题日益严峻，为评估大一新生自杀想法和行为（STB）的风险，研究人员开展前瞻性队列研究。结果发现多个预测因素并构建了预测模型。该模型有助于筛查高危学生，制定自杀预防策略，对校园心理健康意义重大。

　　在全球范围内，自杀问题一直是一个沉重的话题。每年，超过 70 万人选择结束自己的生命，自杀已然成为 15 - 29 岁人群的第四大死因 。在中国，青少年自杀死亡率从 2017 年到 2021 年逐渐上升，2021 年达到了 3.63/10 万人。而大学生作为一个特殊群体，在进入大学这个新环境时，面临着诸如考试压力、远离家人、经济困难等挑战，他们的心理健康状况令人担忧。有研究显示，大学生中自我报告有精神疾病经历的约占四分之一，有中重度抑郁和焦虑症状的学生产生自杀想法的可能性比心理健康的学生高十倍。

然而，目前针对大一学生首次自杀想法和行为的前瞻性研究较少，且缺乏能有效识别和筛查自杀高危人群的模型。为了解决这些问题，来自济宁医学院等机构的研究人员开展了一项意义重大的研究，其研究成果发表在《BMC Psychiatry》杂志上。

研究人员采用了多种关键技术方法来开展此项研究。首先，他们选取了 2018 - 2020 年山东省济宁医学院和潍坊医学院的大一学生作为样本队列，运用聚类抽样的方法进行研究。在数据处理过程中，通过 LASSO 回归筛选风险预测变量，再利用 Logistic 回归构建最终的预测模型 。同时，使用独立验证集对模型进行外部验证，并运用 AUC、准确性、F1 分数和 Hosmer - Lemeshow 检验等指标评估模型性能。

下面来看看具体的研究结果：

1. 样本特征：研究最终纳入 4560 名学生，训练集有 2934 人，验证集有 1626 人 。完成随访的学生平均年龄 18.38 岁，男性占 38.4%。训练集和验证集在年龄、性别、独生子女比例等方面存在显著差异 。
2. 发生率：基线时，自杀想法、自杀行为和 STB 的发生率分别为 13.44%、1.77% 和 13.45%；两年内，这些指标的发生率分别为 4.89%、1.03% 和 4.96% 。
3. 预测因子选择：最终模型确定了 10 个风险预测因子，包括女性、总是独自活动、压力下的偏执、社会导向的完美主义、借酒消愁、自主态度、父母婚姻满意度、母亲的情感温暖、他人的社会支持以及一生中严重创伤事件的数量 。
4. 模型性能评估：最终预测模型在训练集和验证集中的 AUC 分别为 0.738 和 0.710 ，表明模型具有较高的区分度。校准曲线显示模型预测值与实际观察结果拟合良好。决策曲线分析（DCA）表明，在 2% - 36% 的阈值概率下，该算法能产生更多的净效益 。

在研究结论和讨论部分，研究人员通过构建的 Logistic 回归模型，成功识别出影响大一学生未来两年内自杀想法和行为的 10 个基线变量。虽然该模型的预测准确率与比利时、墨西哥等国的类似研究相近，但仍存在一定的提升空间，如不可避免地会出现假阳性病例 。不过，该模型在聚焦高危人群时表现较好，能提高资源利用效率。

从研究发现来看，女性自杀风险高于男性，这与之前的一些研究结果相符 。同时，像压力下偏执、总是独自活动等人格特质，以及饮酒、经历创伤事件、父母婚姻状况等因素都与自杀风险相关，而母亲的温暖和他人的社会支持则有助于降低自杀风险 。并且，部分预测因素是可干预和控制的，如家庭治疗干预、社会支持干预以及早期筛查人格障碍特质等 。

总的来说，这项研究通过构建自杀预测模型，为识别大学生自杀高危人群提供了有力工具，有助于学校和相关机构及时发现潜在风险，制定有针对性的自杀预防策略，从而减轻大学生自杀带来的社会负担。但研究也存在局限性，如随访的自然遗漏率较高、未单独预测自杀想法和行为、数据收集存在偏倚以及样本选择的局限性等 。未来研究可在这些方面加以改进，进一步完善自杀风险预测模型，更好地守护大学生的心理健康。