研究检验了自杀预测模型中的种族不平等
Kaiser Permanente研究人员4月28日发表在《美国科学》杂志上的一项研究表明，在一般人群样本中成功预测自杀的模型在某些种族或民族群体中表现不佳JAMA精神病学．
新的研究结果表明2自杀预测模型对于黑人、美洲印第安人和阿拉斯加原住民来说不太准确，并说明了所有预测模型在使用之前应该如何评估。这项研究被认为是第一个观察评估自杀风险的最新统计方法在不同种族和人群中具体测试时的表现种族．
2019年，美国有超过47500人死于自杀，自1999年以来增长了33%。卫生保健领导人希望通过使用心理健康检查记录、诊断和其他因素来确定自杀风险最高的患者并进行干预，从而减少自杀。近年来，退伍军人健康管理局(Veterans Health Administration)、健康伙伴(HealthPartners)和凯泽永久医疗集团(Kaiser Permanente)的几个地区已经开始使用自杀预测模型来指导护理。
该研究的第一作者、Kaiser Permanente华盛顿健康研究所的助理研究员Yates Coley博士说:“随着人们对自杀预测模型的热情日益高涨，我们必须确保这种努力考虑到健康公平。”“目前的方法最大限度地提高了整个人群的预测性能，在最大的亚组-白人患者中的预测准确性-使不太常见的种族和民族亚组的性能相形见绌。”
的JAMA精神病学本文遵循了几项研究，这些研究揭示了从刑事司法和治安到医疗保健等领域的算法中种族/民族偏见的类似问题。在这项新的研究中，Coley和他的同事们收集了来自7个医疗保健系统的近1400万门诊心理健康就诊的电子健康记录。
利用这些健康记录，研究小组开发了两种不同的模型——一种标准的统计逻辑回归方法和一种随机森林机器学习算法——来预测心理健康访问后90天内的自杀死亡人数。这些模型使用了人口统计学特征、共病、精神健康和物质使用诊断、分发精神药物、先前的自杀企图、先前的精神健康遭遇以及对患者健康问卷9的回答，该问卷在精神健康访问时定期填写。
该模型在整个样本中，以及白人、西班牙裔和亚洲患者中，在识别自杀和避免假阳性方面具有很高的精度。对于黑人、美国印第安人、阿拉斯加土著患者和没有种族记录的患者，模型的表现要差得多。
例如，在使用其中一个模型来预测自杀风险最高的5%的就诊后，研究人员将注意力集中在该风险组的白人患者就诊上，发现近一半的最终自杀被识别出来。相比之下，这一风险组仅包括美国印第安人、阿拉斯加原住民和黑人患者自杀死亡人数的7%。这意味着这些人群中死于自杀的人不太可能被模型这表明这种特殊的工具对指导他们的护理没有用处。
- 研究人员列举了预测准确性不足的几个可能原因，这些原因可能是数据中嵌入的偏见造成的。黑人、美国印第安人和阿拉斯加土著患者在获得心理健康服务方面面临障碍。这意味着有更少的数据自杀风险因此，要做出准确的预测可能会更加困难。
- 研究表明，即使这些人群确实可以获得精神卫生服务，他们也不太可能被诊断和治疗精神卫生问题。临床数据可能不能准确反映风险，影响模型的自杀预测。
- 这些人群中的自杀可能被错误地确定为无意或意外，这增加了预测这些人群自杀的挑战。
该研究中的2个预测模型与目前正在卫生系统中实施的模型不同。这项研究检验了预测自杀死亡的模型，而Kaiser Permanente在临床护理中使用的模型预测了自残或自杀企图。与本研究类似，对华盛顿凯撒医疗机构(Kaiser Permanente)使用的自杀企图预测模型进行的审计，没有发现在预测表现上存在种族或民族差异。其他使用自杀预测模型的卫生组织可能需要这样的审计，该研究列出了在实施预测模型时应采取的步骤，以确保不公平现象不会持续下去。
“在我们的诊所实施任何预测模型之前，我们必须测试准确性的差异，并考虑可能的负面后果，”格雷戈里西蒙医学博士，公共卫生硕士，该研究的合著者和凯撒医疗机构华盛顿健康研究所的高级研究员说。“一些预测模型通过测试，有些人没有，但我们只有通过这样的研究才能知道。”
进一步探索
