编辑推荐：
为解决评估住院青少年和年轻成人非自杀性自伤（NSSI）概率的难题，研究人员开展构建预测模型的研究。他们发现年龄、自杀未遂史等是关键因素，构建的列线图模型性能良好。这有助于合理分配医疗资源，早期干预 NSSI 行为。
在青春的旅程中，青少年和年轻成人正处于身心快速发展的关键阶段，然而，非自杀性自伤（NSSI）行为却如同一朵阴霾，悄然笼罩着他们的心理健康。NSSI 指个体故意、反复地伤害自己身体但无自杀意图的行为，像割伤、针刺、抓伤等都属于此类。研究显示，青少年和年轻成人中 NSSI 的患病率在 18% - 38% 之间，它不仅严重影响个体的外貌和心理健康，还与自杀意念紧密相关，甚至可能是自杀的前兆，同时常与暴力行为并存。
目前，评估住院青少年和年轻成人 NSSI 概率困难重重。一方面，青春期的生理、心理和社会变化复杂，NSSI 的发病机制尚不明确，涉及多种因素如心理社会压力、情绪调节异常、大脑功能改变等 ，虽然研究发现其与血清激素相关，但具体关联仍不清楚。另一方面，现有的评估工具存在诸多缺陷，像可靠性和有效性证据不足、评估过程易受患者配合度和家长报告影响等，且缺乏专门为医护人员设计的预测模型。在此背景下，为了更好地识别 NSSI 风险，及时进行干预，四川大学华西医院的研究人员开展了一项重要研究，相关成果发表在《Scientific Reports》上。
研究人员采用回顾性横断面分析方法开展研究。他们从四川大学华西医院信息系统中收集数据，样本来源于 2022 年 10 月至 2024 年 3 月期间符合条件的 658 名住院患者，这些患者年龄在 15 - 29 岁之间，均被诊断为精神障碍 。排除患有神经系统疾病、内分泌系统疾病等不符合要求的患者后，将剩余患者随机分为训练集（N = 461）和验证集（N = 197） 。
研究中，研究人员使用《精神障碍诊断与统计手册》第五版的标准评估 NSSI，采用 Br?set 暴力清单（BVC）评估攻击行为。通过数据提取收集了人口统计学特征、临床特征、激素水平等多方面数据 。在数据处理时，运用 SPSS 和 R 软件，对于少量缺失数据采用多重填补法处理。为筛选预测因素，同时使用 Boruta 算法和逻辑回归的最小绝对收缩和选择算子（LASSO）回归分析 。Boruta 算法基于随机森林分类器，通过创建影子特征来确定重要预测因素；LASSO 回归则利用正则化技术，去除无关变量，防止过拟合 。最后，综合两种方法结果构建列线图预测模型，并从区分度、校准度和决策曲线分析（DCA）等方面评估模型性能 。
在参与者特征方面，研究共纳入 658 名患者，总体 NSSI 患病率为 50.9%，训练集和验证集的患病率分别为 51.8% 和 48.7%。经统计分析，训练集和验证集在年龄、性别等多个基线特征上无显著差异，保证了后续研究的可靠性 。
预测因素识别结果显示，Boruta 算法筛选出 10 个重要预测变量，如自杀未遂史、年龄等；LASSO 回归进一步筛选，最终确定年龄、自杀未遂史、性别和精神疾病诊断这 4 个变量作为构建模型的关键因素 。
基于上述关键因素，研究人员构建了用于检测青少年和年轻成人精神障碍患者 NSSI 概率的列线图模型 。通过计算，得到模型的最佳截断值为 0.404，可将连续的 NSSI 概率转化为临床实用的二元高低概率标签 。
模型验证结果令人满意。训练集和验证集的受试者工作特征曲线下面积（AUC）分别为 0.803（95% CI：0.763 - 0.843）和 0.745（95% CI：0.676 - 0.814） ，表明模型具有中等区分度，能较好地区分有 NSSI 风险和无风险的患者 。Hosmer - Lemeshow 拟合优度检验显示，模型预测率与实际 NSSI 发生率无显著差异，校准曲线也表明预测值与实际概率一致性高，说明模型拟合良好 。DCA 曲线表明，在 25% - 50% 的阈值范围内，模型具有显著净效益，优于 “全部治疗” 和 “不治疗” 策略 。
研究结论表明，年龄、性别、自杀未遂史和精神疾病诊断是检测 NSSI 概率的关键因素 。基于这些因素构建的可视化列线图模型，为医护人员评估 15 - 29 岁青少年和年轻成人精神障碍患者的 NSSI 概率提供了有效工具 。该模型有助于优化医疗资源分配，提高工作效率，减轻医疗负担，能够支持对高风险患者进行早期检测和及时干预，改善临床结局，促进患者心理健康 。
然而，研究也存在一些局限性。数据来源于单中心，可能影响模型的普适性；模型不能替代医护人员的经验和临床判断，应作为辅助工具；未考虑国家、社会文化和环境因素，可能降低模型在不同人群中的准确性；未深入研究预测因素间的相互作用；采用单一随机分割样本进行 DCA，模型性能评估可能不稳定；模型仅依赖临床数据，未纳入心理或行为因素 。未来研究可针对这些不足，利用多中心数据进行验证和完善，纳入社会文化变量，深入研究因素间相互作用，采用更稳健的重采样技术评估模型，并结合定性研究结果进一步优化模型 。
