优化退伍军人自杀风险预测模型：针对司法系统涉案人群的REACH VET模型再训练研究

本研究针对美国退伍军人健康管理局(VHA)司法系统涉案患者自杀率高但现有REACH VET预测模型缺乏针对性指标的问题，通过重新训练模型并添加司法相关预测因子，发现模型再训练可使阳性预测值(PPV)提升至12.4%，假阴性率(FNR)降至52.7%，为高危人群自杀预防提供了精准化干预方案。论文发表于《npj Mental Health Research》。

　　

在美国退伍军人群体的健康管理中，自杀预防始终是重中之重。数据显示，司法系统涉案退伍军人(Veterans with criminal legal system involvement)的年自杀率高达150/10万，是普通VHA患者的3.75倍。然而，VHA现行的REACH VET自杀风险预测模型却未包含司法涉案特异性指标，这可能导致对这部分高危人群的风险识别存在偏差。

斯坦福大学(Stanford University)与VA Palo Alto医疗系统合作开展的研究，首次针对司法涉案退伍军人群体优化REACH VET模型。研究人员创新性地采用"自杀死亡或自杀未遂"复合结局指标，通过五个月份队列(2021年3-11月)近700万患者的电子健康记录(EHR)数据，比较了全模型与司法涉案专用模型的预测效能。研究发现，专用模型虽未能显著提高自杀死亡的预测灵敏度，但使自杀未遂的识别率得到改善，每月可多识别5名高危患者接受干预。

关键技术方法包括：1)基于VHA企业数据仓库(CDW)构建42,464名司法涉案患者队列；2)采用逻辑回归重新训练含60个预测变量的REACH VET模型；3)新增家庭不和谐、严重疼痛(疼痛评分≥7)、哥伦比亚自杀严重程度评定量表(C-SSRS)阳性筛查及致伤性自杀未遂等司法相关预测因子；4)通过随机效应meta分析综合评估五个月份队列的预测效能。

【REACH VET在司法涉案退伍军人中的表现】
全模型在该人群中的阳性预测值(PPV)为11.7%，假阴性率(FNR)达55.1%。这意味着超过半数发生自杀行为的患者未被识别为高危人群，凸显出现有模型的局限性。

【司法涉案专用模型的性能】
专用模型使PPV提升至12.4%，FNR降至52.7%。虽然统计学上未达显著差异，但实际应用中每月可多覆盖5名高危患者。值得注意的是，两种模型对自杀死亡的预测数量均不足10例/月，反映出自杀这一低基数事件的预测难度。

【添加司法相关预测因子的效果】
引入家庭不和谐(ICD-10 Z63类诊断)、严重疼痛等临床专家推荐的预测因子后，模型性能未获改善，PPV反而微降至12.1%。这表明现有变量框架可能已涵盖这些因子的预测信息。

这项发表在《npj Mental Health Research》的研究具有双重意义：方法学上证实了针对特定高危人群重新训练预测模型的可行性；实践层面则为VHA优化自杀预防策略提供了循证依据。特别是将自杀未遂纳入预测结局的创新做法，既符合"自杀行为连续体"理论(Klonsky et al., 2016)，也体现了伤害最小化的伦理考量——因为自杀未遂者后续需要大量医疗资源，且其亲友也会因此面临更高的自杀风险。

尽管模型优化带来的绝对增益看似微小，但在VHA"零自杀"战略背景下，每月多识别5名高危患者意味着每年可多干预60个潜在悲剧。该研究启示我们：与其追求普适性预测模型，不如针对不同高危人群开发特异性模型，这种精准化思路值得在退伍军人自杀预防领域进一步探索。