预测美军出院后的自杀

人们早就知道，最近从精神病院出院的病人有显著升高的自杀风险。然而，即使是在这一高危人群中，自杀现象也很罕见，这使得为所有刚出院的病人提供密集的院后自杀预防方案是不切实际的。针对自杀风险特别高的患者实施有针对性的项目将更加可行，但临床医生难以准确预测哪些患者的自杀风险较高。

今天在网上发布了一份新的报告JAMA精神病学表明,大数据预测分析方法可能有助于解决确定哪些最近出院的病人自杀风险最高的问题。报告来自美国陆军研究来评估风险和弹性退伍(军队STARRS),陆军自杀的多组分流行病学和神经生物学的研究及其相关由美国陆军和资助下合作协议与美国卫生和人类服务部,国家卫生研究院和国家精神卫生研究所(NIH/NIMH)

这项研究调查了53,769名正规军士兵在2004年至2009年间从精神病院出院后的12个月内的情况。数百个潜在的医院后自杀预测者从大量的陆军和国防部的行政文件中提取，其中包含所有士兵的数据。大数据机器学习方法生成了一种预测算法，该算法将5%的住院士兵归类为出院后人数最多的士兵自杀风险。这5%的高危人群占了医院后自杀总数的52.9%。高危士兵意外伤害死亡的风险也显著增加，自杀企图在随访期间再住院治疗。在高危住院患者中，46.3%的患者在出院后的一年内至少发生了其中一种不良后果。

该研究的主要作者、哈佛医学院医疗政策麦克尼尔家族教授罗纳德·凯斯勒说:“在5%的高危住院患者中，自杀风险的高度集中是惊人的。”“事实是，将近一半的高风险住院治疗后出现了至少一种不良结果——要么是自杀，要么是意外伤害死亡，要么是自杀未遂，要么是再住院——这强烈主张为这些高风险士兵发展扩大的医院后预防干预服务。”

“大数据方法的应用，以目标士兵在高风险罕见但重要的结果，如自杀“这是一项令人兴奋的进展，因为它为我们提供了一条前进的道路，使我们能够在持续的基础上集中预防工作，”健康科学统一服务大学精神病学系主任、陆军STARRS首席研究员Robert Ursano说。