ارزیابی یادگیری ماشینی عوامل اولیه زندگی پیش بینی کننده اقدام به خودکشی در دوران کودکی یا جوانی

Format
Scientific article
Publication Date
Published by / Citation
Navarro MC, Ouellet-Morin I, Geoffroy M, et al. Machine Learning Assessment of Early Life Factors Predicting Suicide Attempt in Adolescence or Young Adulthood. JAMA Netw Open. 2021;4(3):e211450. doi:10.1001/jamanetworkopen.2021.1450
Original Language

انگلیسی

Country
کانادا
Keywords
suicide
Machine Learning Assessment

ارزیابی یادگیری ماشینی عوامل اولیه زندگی پیش بینی کننده اقدام به خودکشی در دوران کودکی یا جوانی

آبستره

اهمیت: اگرچه مطالعات طولی ارتباط بین عوامل اولیه زندگی (به عنوان نمونه، در رحم/ پری ناتال/ نوزادان) و رفتار خودکشی طولانی مدت را گزارش کرده اند، اما آنها بر روی 1 یا چند عامل انتخاب شده، و انجمن های تاسیس شده متمرکز شده اند، اما بررسی نکردند که آیا عوامل اوایل زندگی رفتار خودکشی را پیش بینی می کنند یا خیر.

هدف: شناسایی و ارزیابی توانایی عوامل اولیه زندگی برای پیش بینی اقدام به خودکشی در نوجوانان و جوانان از جمعیت عمومی.

طراحی، تنظیم و شرکت کنندگان: این مطالعه پیش بینی از داده های مطالعه طولی رشد کودکان کبک، یک مطالعه طولی مبتنی بر جمعیت از استان کبک کانادا استفاده کرد. شرکت کنندگان از تولد تا سن 20 سالگی پیگیری شدند. الگوریتم های طبقه بندی تصادفی جنگل برای پیش بینی اقدام به خودکشی توسعه داده شد. برای جلوگیری از اضافه هزینه، پیش بینی عملکرد در سراسر 50 زیر نمونه به طور تصادفی تقسیم ارزیابی شد، و سپس متوسط محاسبه شد. داده ها از نوامبر 2019 تا جون 2020 مورد تجزیه و تحلیل قرار گرفت.

قرار گرفتن در معرض: عوامل در نظر گرفته شده در تجزیه و تحلیل شامل 150 متغیر، تقریبا تمام حوزه های زندگی اولیه، از جمله بارداری و اطلاعات هنگام تولد؛ کودک، والدین، و ویژگی های محله؛ پدر و مادر و عملکرد خانواده; سلامت روان والدین؛ و سر و صدا کودک، به عنوان مادران، پدران، و سوابق تولد بیمارستان ارزیابی می شود.

نتایج و اقدامات اصلی: نتیجه اصلی خود گزارش شده اقدام به خودکشی تا سن 20 سال بود.

نتایج: از میان 1623 نفر شامل جوانان 20 ساله، 845 نفر (1/52 درصد) زنان و 778 نفر (47.9 درصد) مرد بودند. مدل ها عملکرد پیش بینی متوسط را نشان می دهند. مناطق تحت منحنی برای پیش بینی اقدام به خودکشی 0.72 (95٪ CI، 0.71-0.73) برای زنان و 0.62 (95٪ CI، 0.60-0.62) برای مردان بود. مدل ها حساسیت پایینی نشان دادند (زنان، 0.50; مردان, 0.32), ارزش های پیش بینی مثبت متوسط (زنان, 0.60; مردان, 0.62), و ویژگی خوب (زنان, 0.76; مردان, 0.82) و ارزش های منفی پیش بینی شده (زنان, 0.75; مردان, 0.71). مهم ترین عوامل موثر در پیش بینی شامل ویژگی های اجتماعی و جمعیت شناختی خانواده (به عنوان عامل، تحصیلات مادر و پدر و سن، وضعیت اقتصادی اجتماعی، ویژگی های محله)، وضعیت روانی والدین (به طور خاص رفتارهای ضد اجتماعی والدین) و شیوه های فرزند پروری بود. همچنین متغیر های مربوط به تولد در پیش بینی رفتار خودکشی (به عنوان عامل، زودرس) سهیم بودند. تفاوت های جنسی نیز شناسایی شد، با ویژگی های اجتماعی و جمعیتی مرتبط با خانواده که عوامل اصلی برای رفتار ضد اجتماعی زنان و والدین عامل اصلی برای مردان است.

نتیجه گیری و ارتباط: این یافته ها نشان می دهد که عوامل اولیه زندگی به طور متوسط به پیش بینی رفتار خودکشی در دوران جوانی و بزرگسالی جوان کمک کرده است. اگرچه این عوامل ممکن است درک فرایندهای اتیولوژیک خودکشی را آگاه کنند، اما سودمندی آنها در پیش بینی طولانی مدت اقدام به خودکشی محدود بود.

Share the Knowledge: ISSUP members can post in the Knowledge Share – Sign in or become a member

Share the Knowledge: ISSUP members can post in the Knowledge Share – Sign in or become a member