一种双重稳健的机器学习方法，用于估计种族/民族和性别在不良童年经历与自杀倾向之间的关系中的差异

《JOURNAL OF THE AMERICAN ACADEMY OF CHILD AND ADOLESCENT PSYCHIATRY》：A Doubly Robust Machine Learning Procedure to Estimate Disparities by Race/Ethnicity and Sex in the Relationship Between Adverse Childhood Experiences and Suicidality

　　

阿德里安·哈里斯（Adrian Harris）|卡拉·埃默里（Kara Emery）|阿里埃尔·H·谢夫塔尔（Arielle H. Sheftall）

麦西尔弗贫困政策与研究学院（McSilver Institute for Poverty Policy and Research），纽约大学西尔弗社会工作学院（NYU Silver School of Social Work），纽约州纽约市

摘要

目的

自杀是青少年死亡的主要原因之一，而不良童年经历（ACEs）已被证实是导致自杀倾向的风险因素。本研究首次利用因果推断分析框架，调查了不良童年经历对青少年自杀意念（SI+）和自杀企图（SA+）的累积影响在不同群体间的差异。

方法

本研究使用了2023年全国青少年风险行为调查（National Youth Risk Behavior Survey, YRBS，样本量N=20,103），分析了青少年的人口统计特征、自杀念头与行为（STBs）、不良童年经历（ACEs）以及相关混杂因素（如在学校受到欺凌）。首先，按种族/族裔和性别分析了ACEs的患病率差异。随后，通过双重稳健估计方法评估了ACEs对自杀倾向的剂量-反应关系，并检验了种族/族裔和性别的调节作用。

结果

不同种族/族裔群体在所经历的不良童年经历类型上存在显著差异。与男性青少年相比，女性青少年在更多类型的不良童年经历中表现出更高的患病率。对于自杀意念（SI+）和自杀企图（SA+）这两种结果，都观察到了ACEs的剂量-反应效应，且SI+的效应更为显著。但在不同种族/族裔和性别之间，这种效应的差异并未显现。

结论

研究结果表明，尽管经历的不良童年经历类型不同（如情感虐待与身体虐待），其数量对青少年自杀风险的影响在所有种族/族裔和性别中具有相似的增量效应。因此，自杀干预和预防策略应更加关注经历过不良童年经历的青少年，并考虑不同人口统计特征下不良童年经历类型的差异，以有效降低自杀风险。

章节摘录

引言

青少年自杀是一个日益严重的公共卫生问题¹。在美国，10至24岁青少年的自杀率从2010年到2021年增加了50%2。自杀意念（SI，指思考、考虑或计划自杀）和自杀企图（SA，指有意造成自身伤害且至少部分希望死亡的行为）是已知的自杀风险因素，这些行为在青春期达到高峰3。仅2023年一年，就有20.4%的美国青少年报告有自杀意念，9.5%的青少年有过自杀企图

方法

本研究遵循了横断面设计的“加强流行病学观察性研究报告”（Strengthening the Reporting of Observational Studies in Epidemiology, STROBE）指南22。数据来源于美国疾病控制与预防中心（CDC），并根据“通用规则”（Common Rule），无需机构审查委员会（IRB）的批准或获得知情同意。CDC开发了青少年风险行为监测系统（Youth Risk Behavior Surveillance System, YRBSS），用于监测高中生的健康行为和状况

样本特征

表1展示了按种族/族裔和性别分层的加权样本特征。在分析结果组时，2,389名（11.7%，95%置信区间：11.0%至13.0%）青少年仅有自杀意念（SI+），1,995名（9.5%，95%置信区间：8.4%至11.0%）有过自杀企图（SA+），样本中约有四分之一的青少年没有不良童年经历（23.6%，95%置信区间：22.0%至25.0%）。在仅有自杀意念的群体中，不同种族/族裔间的患病率存在显著差异

讨论

本研究首次利用因果推断框架，提供了关于不良童年经历对青少年自杀倾向影响的全国代表性估计数据，并探讨了不同人口统计特征之间的差异。该框架展示了如何应用这些先进方法来更准确地评估横断面复杂调查数据中的风险因素。研究结果不仅证实了以往的研究结果，还加深了我们对这一关系的理解

1.; 2.; 3.; 4.; 5.; 6.; 7.; 8.; 9.; 10.; 11.; 12.; 13.; 14.; 15.; 16.; 17.; 18.; 19.; 20.; 21.; 22.; 23.; 24.; 25.; 26.; 27.; 28.; 29.; 30.; 31.; 32.; 33.; 34.; 35.; 36.; 37.; 38.; 39.; 40.; 41.; 42.; 43.; 44.; 45.; 46.; 47.; 48.; 49.; 50.; 51.; 52.; 53.; 1.; 2.; 3.; 4.; 5.; 6.; 7.; 8.; 9.; 10.; 11.; 12.; 13.; 14.; 15.; 16.; 17.; 18.; 19.; 20.; 21.; 22.; 23.; 24.; 25.; 26.; 27.; 28.; 29.; 30.; 31.; 32.; 33.; 34.; 35.; 36.; 37.; 38.; 39.; 40.; 41.; 42.; 43.; 44.; 45.; 46.; 47.; 48.; 49.; 50.; 51.

CRediT作者贡献声明

阿德里安·哈里斯（Adrian Harris）：撰写——审稿与编辑、初稿撰写、数据可视化、验证、软件使用、方法论设计、调查实施、数据分析、概念构建。卡拉·埃默里（Kara Emery）：撰写——审稿与编辑、数据可视化、验证、项目监督、资源协调、项目管理、方法论设计、调查实施、数据分析、概念构建。阿里埃尔·H·谢夫塔尔（Arielle H. Sheftall）：撰写——审稿与编辑、数据验证、项目协调、方法论设计、调查实施、概念构建。