精准预测美军士兵自杀企图：基于定期健康评估信息的关键突破

人群自杀风险筛查价值不明，研究人员利用美军定期健康评估（PHA）和军队管理数据，开展预测 6 个月非致命和致命自杀企图（SAs）模型的研究。结果显示简单的 LASSO 惩罚回归模型有良好判别和校准能力，有助于预防干预。

　　人群自杀风险筛查的价值尚不明确。美国陆军的年度体检 —— 定期健康评估（PHA）会对自杀倾向以及其他精神和身体健康问题进行筛查。在 2014 - 2019 年的队列研究中，研究人员使用 PHA 和陆军行政数据（来自 452473 名士兵的 1042796 次 PHA）开发了一个模型，用于预测 6 个月内的非致命和致命自杀企图（SAs） 。该模型旨在确定参与一项计划中的高风险 SA 预防干预措施的资格。PHA 自杀风险筛查问题的价值有限，因为 95% 的 SA 发生在否认有自杀倾向的士兵中。然而，一个包含多种行政预测因素的简单最小绝对收缩和选择算子（LASSO）惩罚回归模型，在测试样本中具有良好的判别能力（受试者工作特征曲线下面积为 0.794（标准误差 0.009））和校准能力（综合校准指数为 0.0001）。预测风险最高的 25% 的士兵占 6 个月内 SA 的 69.5%，这支持使用该模型来确定预防干预的目标人群。