编辑推荐：
自杀对全球公共卫生构成重大挑战，老年人尤其脆弱。研究人员针对非精神科老年住院患者，开展自杀意念（SI）预测模型的研究。结果显示模型预测性能良好，Random Forest 模型更优。这为自杀风险预测提供工具，支持临床预防策略。
在全球范围内，自杀已成为一个严峻的公共卫生问题，如同隐藏在暗处的 “杀手”，时刻威胁着人们的生命安全。而随着年龄的增长，老年人自杀的风险更是显著增加。想象一下，在医院的病房里，那些因非精神科疾病住院的老人，他们不仅要承受身体上疾病的折磨，还可能面临着心理上的困扰，自杀的阴影悄然笼罩着他们。然而，目前针对这一群体自杀风险因素的研究却十分有限，就像在黑暗中摸索前行，缺少一盏照亮前路的明灯。为了填补这一空白，为预防老年人自杀提供有力支持，来自广东省中医院的研究人员勇敢地踏上了探索之旅，开展了一项极具意义的研究。他们致力于构建一个基于机器学习的预测模型，来精准预测非精神科老年住院患者的自杀意念（SI，Suicide Ideation），相关研究成果发表在《BMC Geriatrics》杂志上。
这项研究采用了多种关键技术方法。研究人员选取了 2023 年 12 月至 2024 年 6 月在广东省中医院住院的 807 名 60 岁以上非精神科老年患者作为样本队列。通过收集患者的人口统计学和临床数据，运用多种量表如患者健康问卷 - 8（PHQ-8，Patient Health Questionnaire - 8）、雅典失眠量表（AIS，Athens Insomnia Scale）等进行评估。利用机器学习算法，构建了多个预测模型，包括多元逻辑回归模型、列线图（Nomogram）模型和随机森林（Random Forest）模型。
下面让我们来详细看看研究结果。在参与者的人口统计学和临床特征方面，研究发现自杀意念组（SI 组）和无自杀意念组在多个方面存在显著差异。SI 组中女性比例更高，慢性阻塞性肺疾病、慢性肾病和癌症等疾病的发生率更高，住院频率更频繁，失业和自由职业的比例更高，丧偶、独居、子女少或无子女的情况更多，高收入家庭比例更低，内向或混合型人格的比例更高，宗教信仰比例更低，共病数量更多，疾病感知更严重，白蛋白水平、BMI 和血红蛋白水平更低，磷水平、PHQ-8 评分和 AIS 评分更高，家庭社会支持感知（PSS-Fa，Perceived Social Support from Family scale）得分更低且变异性更大。
在预测模型的构建和评估上，多元逻辑回归分析确定了多个关键预测因素，包括 PHQ-8、AIS、住院频率、PSS-Fa、共病、家庭收入和就业状况。列线图模型通过为每个预测因素量化评分，直观展示了患者的自杀风险。该模型在训练集和测试集的 AUC（Area Under Curve，曲线下面积，用于评估模型的区分能力）值分别达到 0.937 和 0.939，校准曲线与对角线高度重合，多种评估指标表明其具有良好的预测准确性。随机森林模型同样表现出色，其在训练集和测试集的 AUC 值分别为 0.958 和 0.905，且在多个评估指标上均显示出较高的预测性能，在所有模型中表现最优。
研究结论和讨论部分意义重大。研究构建的多维自杀风险预测模型，纳入了多种影响因素，为临床干预提供了全面的参考。关键预测因素的确定，如 PHQ-8 评分反映的抑郁症状、AIS 评分体现的失眠情况，提示在临床中要高度重视老年人的心理筛查和睡眠问题。同时，研究也存在一定的局限性，如样本量有限、单中心设计、未纳入某些关键因素等，但这也为后续研究指明了方向。总体而言，这些模型为综合医院预防非精神科老年住院患者自杀提供了有效的方法，有助于进行针对性的心理干预，降低自杀风险，为老年人的生命健康保驾护航，在老年健康医学领域具有重要的应用价值和深远的社会意义。
