基于日本在线留言板时序分析的自杀风险监测：揭示人口统计学特异性模式与干预新策略

《BMC Psychiatry》：Temporal analysis of posts on a Japanese online message board for suicide risk monitoring

本研究为提升自杀预防的时效性，利用日本NHK“直面自杀”在线留言板2008-2025年间63,046条帖子，采用广义可加模型(GAM)深入分析了不同性别(男/女)与年龄(≤19岁、20岁、30岁、≥40岁)分层下发帖行为的时程规律。研究发现，发帖活动在深夜23:00左右达到高峰，青少年(≤19岁)群体在8月出现显著高峰(男性IRR=1.30, 95% CI [1.05-1.61]；女性IRR=1.55, 95% CI [1.43-1.69])，而成人则在1-2月活动减少。该研究为建立实时自杀风险监测基线、开发针对性的时序敏感型干预策略提供了关键依据。

　　

自杀是一个严峻且复杂的公共卫生挑战，对个人生命和社会整体均构成严重威胁。建立强大的监测系统对于快速发现和预防自杀至关重要，这也是全球卫生政策的关键焦点领域之一。传统数据源，如死亡登记记录，虽然提供了宝贵见解，显示了自杀发生存在季节、星期和一天内不同时间的变异，但这些数据往往存在滞后性。在当今数字时代，将互联网搜索查询、社交媒体活动等数字数据源整合进监测体系的需求日益凸显。在线行为可以作为自杀意念的早期预警信号，提供可增强预测模型的实时数据。然而，探索网络环境中循环模式和特定人口统计学风险的研究仍然有限。

为了填补这一空白，由Takahiro Arai、Hiroyuki Shinkai和Keita Yamauchi组成的研究团队在《BMC Psychiatry》上发表了一项研究，旨在通过分析日本公共广播机构NHK运营的“直面自杀”网站在线留言板上的发帖行为，揭示不同人口统计学背景下发帖的周期性规律，以推动自杀风险的早期发现，并为制定针对特定时间和人口统计学模式的、更有效的预防策略奠定基础。

研究人员分析了从2008年1月1日至2025年3月31日期间NHK留言板上的90,900条帖子。经过数据清洗（排除早期结构化回复和未标明性别/年龄的帖子），最终分析样本包含63,046条帖子。研究根据性别（男性、女性）和年龄（≤19岁、20多岁、30多岁、≥40岁）创建了八个分层。主要采用广义可加模型（GAM, Generalized Additive Model）来分析发帖数量的变化，该模型能灵活捕捉时间序列数据中的非线性关系，包括周期性模式。模型中，结果变量是每小时发帖数量，解释变量包括月份和星期几的虚拟变量，而一天中的时间则用样条项（spline term）进行建模。模型指定泊松分布和对数链接函数，因此系数可解释为发病率比（IRR, Incidence Rate Ratio）的对数。

研究结果揭示了丰富的模式。在人口统计学分布上，女性是主要的发帖群体，占总帖数的75.5%。20-29岁年龄组是最活跃的用户群（32.4%）。发帖活动表现出明显的昼夜节律（diurnal variation），在所有亚组中，活动均在深夜（约23:00）达到峰值。

在月份变化方面，一个关键发现是青少年（≤19岁）在8月份发帖量显著激增（男性IRR=1.30, 95% CI [1.05, 1.61]；女性IRR=1.55, 95% CI [1.43, 1.69]）。相反，多个成人亚组在1月和2月的发帖量显著减少。在周变化模式上，不同亚组存在差异，例如，20-29岁男性在周一和周二发帖更多（IRR=1.17, 95% CI [1.05, 1.30]），而所有年龄段的女性在周五和周六的发帖量均显著低于周日。

研究人员还进行了敏感性分析，在月度水平的GAM中调整了日历效应（包括月份天数和年份），结果证实了主要发现的稳健性，特别是青少年8月份的高峰依然明显。

研究的讨论部分对这些模式进行了解读。女性用户占主导（75.5%）与“自杀的性别悖论”（gender paradox of suicide）一致，即女性有更高的自杀意念和非致命性自伤行为发生率，而男性自杀死亡率更高。20-29岁年龄组最活跃，反映了该年龄段在面临人生转折时可能承受的巨大压力。青少年8月份的发帖高峰与日本暑假结束、学生面临返校压力的时间点高度吻合，这可能是9月初观察到的学生自杀率上升的早期预警信号。1月和2月成人发帖减少可能与新年的积极心理影响（如设定新目标、家庭团聚）有关。周一的发帖增加（特别是20-29岁男性）与已知的“蓝色星期一效应”（Blue Monday effect）即自杀率在一周开始时升高相符。深夜发帖高峰凸显了提供24小时心理健康支持服务的迫切性，并提示可在留言板内直接实施自动化的、多层次的在线干预策略。

本研究也存在一些局限性，包括性别和年龄为自报告数据可能不准确、缺乏用户特异性信息（如地理位置、是否重复发帖）、未分析帖子内容以及数据来源于开放留言板，可能未涵盖封闭社区或暗网中更危险的讨论。

综上所述，这项研究通过分析NHK留言板上的大量帖子，阐明了在线表达自杀意念的可预测基线模式，包括不同人口统计学群体披露痛苦的典型年、周、日节律。这种基线理解是构建实时监测系统的重要基础，该系统可通过检测与这些既定模式的显著偏离，来发出自杀风险可能激增的信号。结合未来的文本内容分析，此类研究有潜力将海量的在线数据从被动档案转变为预测性自杀预防的主动工具。研究结果强调了利用数字平台进行自杀风险监测的潜力，并为开发针对性强、时效性高的自杀预防策略提供了关键证据。