编辑推荐：
为解决自杀风险因素难以明确等问题，伊坎医学院西奈山分校研究人员开展自杀行为（SB）和自杀意念（SI）相关研究。结果发现二者有不同风险因素，对预防自杀意义重大。推荐科研读者阅读，助力深入了解自杀机制。
自杀，这个沉重的话题，如今已成为严重的公共卫生问题。在美国，它是第 11 大死因 ，每发生 1 起自杀事件，就约有 38 人进行非致命性自杀尝试，265 人认真考虑过自杀。而且，自 2000 年以来，自杀率几乎逐年上升。但令人欣慰的是，如果能及时发现并干预，自杀是可以预防的。
可问题来了，目前自杀风险因素的预测能力有限。比如，虽然之前的自杀行为（SB，包括自杀未遂、准备行为以及中止或中断的自杀尝试）是自杀死亡的重要预测指标，但在过去 5 - 14 年里，有过 SB 的人只有 6.7% 死于自杀 。有自杀意念（SI）的人未来尝试自杀的比例为 29% ，但到底哪些因素会导致 SI 和 SB，以及它们之间是如何发展的，这些问题还不明确。
为了解开这些谜团，来自伊坎医学院西奈山分校（Icahn School of Medicine at Mount Sinai）的研究人员进行了深入研究，并在《Molecular Psychiatry》期刊上发表了题为 “Distinct genetic and clinical risk factors for suicidal behavior and suicidal ideation-only: a phenome-wide association study in the BioMe Biobank” 的论文。研究发现，自杀行为（SB）和仅自杀意念（SI-only）有着不同的遗传和临床风险因素，某些精神疾病可能与从 SI-only 发展到 SB 的过程有关。这一研究成果对早期发现和干预自杀行为意义重大，能帮助我们更好地预防自杀，拯救更多生命。
在研究方法上，研究人员主要运用了以下几种关键技术：
- 数据来源：利用 Bio<sub>Me</sub>生物样本库中超过 50,000 名患者的电子健康记录（EHR）数据，这些数据涵盖了人口统计信息、ICD 代码、临床记录、调查问卷和遗传数据等丰富内容。
- 自杀表型确定：结合 ICD 9 版和 10 版代码以及自然语言处理（NLP）算法来确定 SI 和 SB。NLP 算法通过搜索基于哥伦比亚自杀严重程度评定量表开发的词汇表，从非结构化临床记录中检测 SI 或 SB，并且已经在多个医院系统进行了验证。
- 分析方法：进行了多种分析，包括卡方检验和 t 检验以比较不同组（SB 病例、SI-only 病例和对照组）的社会人口学和行为特征差异；运用 PheCodeX 将 ICD 代码映射为 “phecodes”，进行全表型组关联研究（PheWAS），探索自杀相关表型与各种疾病的关联；通过零膨胀泊松回归分析自杀病例和对照组在初级医疗保健利用上的差异；使用 PRS-CSx 计算多血统多基因风险评分（PRS），并通过逻辑回归模型分析其与自杀结局的关联 。
下面我们来看看具体的研究结果：
- SI 和 SB 的检测：综合 NLP 和 ICD 代码两种方法，研究共确定了 1066 例 SB 病例、894 例 SI-only 病例和 43,996 例无自杀行为的对照组。NLP 算法检测出的 SB 和 SI-only 病例数量大约是 ICD 代码的 10 倍，两种方法的检测结果有重叠但并不完全一致。
- 社会人口学和行为差异：与对照组相比，SB 和 SI-only 病例中男性、已婚和大学教育程度的比例显著更低，而使用烟草或非法药物的比例更高。SB 病例和 SI-only 病例在大多数社会人口学和行为特征上相似，但 SB 病例使用烟草和非法药物的比例更高。
- 全表型组关联研究：
- SB 与对照组的 PheWAS：发现 216 个 phecodes 在 SB 病例和对照组之间存在显著频率差异。心理健康相关的 phecodes 与 SB 呈强正相关，如精神分裂情感障碍、人格障碍等；而不良身体健康状况相关的 phecodes 大多与 SB 呈负相关。
- SI-only 与对照组的 PheWAS：有 64 个 phecodes 存在显著差异。SI-only 主要与心理健康和神经系统 phecodes 呈正相关，如情绪障碍、精神分裂症等，且与失眠和睡眠障碍相关，同时与一些感染或内分泌 / 代谢疾病相关的 phecodes 呈负相关。
- SB 与 SI-only 的 PheWAS：发现 5 个 phecodes 在 SB 病例中显著高于 SI-only 病例，包括人格障碍、双相情感障碍、创伤后应激障碍、精神活性物质依赖和精神障碍，这些可能与从 SI-only 进展到 SB 的过程有关。
- phecodes 负担与遗传 liability 的关系：研究发现，SA PRS 处于最低 10% 的 SB 病例和最高 10% 的 SB 病例在 phecodes 数量上没有显著差异。
- 与初级医疗保健利用的关联：在是否接受过年度健康检查方面，SB 和 SI-only 病例与对照组没有差异，但在有记录的情况下，SB 和 SI-only 病例接受健康检查的次数显著少于对照组。
- 多血统多基因风险评分关联模型：SA PRS 与 SB 显著相关，解释了 0.33% 的表型方差；SI PRS 与 SI-only 显著相关，解释了 0.26% 的表型方差。控制双相情感障碍（BD）、抑郁症（DEP）和精神分裂症（SCZ）的 PRS 后，SA PRS 仍与 SB 显著相关，但 SI PRS 不再与 SI-only 显著相关。
研究结论和讨论部分指出，研究人员通过新颖的方法在 Bio<sub>Me</sub>生物样本库中确定了自杀相关的临床和遗传风险因素。ICD 代码在检测自杀病例方面存在不足，而 NLP 算法可作为补充。社会人口学特征方面，SB 和 SI-only 病例有相似之处，但在物质使用上存在差异。PheWAS 结果表明，自杀结局与精神和神经系统疾病密切相关，同时发现个体有 SB 或 SI-only 时，接受常规身体检查较少，这可能导致电子健康记录中身体疾病诊断的代表性不足。而且，某些精神疾病，如人格障碍、双相情感障碍等，可能在从 SI-only 进展到 SB 的过程中起重要作用。在遗传方面，SA PRS 和 SI PRS 分别与 SB 和 SI-only 有特异性关联，且 SA PRS 对 SB 的影响在一定程度上独立于 BD、DEP 和 SCZ 的遗传影响。
这项研究的意义非凡。它让我们对自杀行为和仅自杀意念的风险因素有了更清晰的认识，为早期发现高风险个体提供了依据。通过了解这些风险因素，医疗工作者可以更有针对性地进行干预，比如对有特定精神疾病诊断或不良生活习惯的人群加强关注和治疗。而且，研究强调了综合利用生物样本库数据进行自杀研究的重要性，为后续研究指明了方向，有望推动自杀预防工作取得更大进展，让更多人远离自杀的阴影。
