青少年抑郁自杀意念轨迹预测因素——基于德克萨斯州青少年抑郁与自杀研究网络

《Psychological Medicine》：Predictors of trajectories of suicidal thoughts in Texas youth depression and suicide research network youth

　　

背景：青少年自杀意念是一个公共健康危机，亟需识别能够预测自杀相关结局的特征。本研究旨在刻画伴有抑郁/自杀倾向的青少年的自杀意念轨迹，并评估预测这些轨迹的特征。方法：研究对象来自德克萨斯州青少年抑郁与自杀研究网络，纳入基线及至少2个其他时间点具有自我报告自杀意念数据的参与者（n=1,449）。采用组混合模型识别后续6个月内四次随访评估中的自杀意念轨迹。随机森林分析用于评估基线的临床和社会人口学变量对轨迹分组归属的预测能力，样本分为训练集（三分之二）和验证集（三分之一）。结果：平均年龄为15.6岁（标准差2.7），女性占72.8%。共识别出三条轨迹：持续性无自杀意念（43.3%）、持续性低水平自杀意念（44.2%）和持续性高水平自杀意念（12.4%）。随机森林分析显示，自我报告的自杀倾向严重程度（包括悲观、无助、感知社会支持缺乏和绝望）结合临床访谈评估的自杀意念可预测这些轨迹。在训练集和验证集中，预测持续性无自杀意念的曲线下面积分别为0.83和0.80，预测持续性高水平自杀意念的曲线下面积均为0.87。结论：研究识别出三条不同的自杀意念轨迹。基线自我报告的抑郁、悲观、无助、感知社会支持缺乏和绝望等指标，结合临床访谈评估的自杀意念，能够在6个月内以高准确率预测无自杀意念或高水平自杀意念，从而提供了一个具有临床实用性的自杀风险预测模型。

论文解读：青少年抑郁患者自杀意念轨迹的预测因素研究

一、研究背景与目的

青少年自杀已成为一项严峻的公共卫生危机。在美国，自杀分别是5-14岁年龄段第三大死因和15-24岁年龄段第二大死因。与此同时，自杀意念在青少年群体中普遍存在，调查显示过去一年内，30.0%的女性高中生和14.3%的男性高中生曾认真考虑过尝试自杀。这一现状凸显了早期识别自杀风险的迫切性，尤其是在门诊精神卫生保健环境中，亟需开发能够预测自杀相关结局纵向模式的工具。现有的一些自杀预测工具主要在急诊科或精神科住院部得到验证，且侧重于预测自杀危机事件，而针对门诊青少年群体的长期预后工具仍然匮乏。因此，本研究旨在利用来自德克萨斯州青少年抑郁与自杀研究网络的数据，探究伴有抑郁和/或自杀意念/行为的青少年在6个月随访期间的自杀意念轨迹，并运用机器学习方法确定预测这些轨迹的基线临床和人口学特征，最终建立一个可用于临床的风险预测模型。

二、关键技术方法

研究人员采用组混合模型（Group Mixture Models），利用SAS软件的Proc Traj程序，基于简明健康风险追踪自评量表16项（CHRT-SR₁₆）的自杀意念子量表得分，识别出青少年在6个月内的纵向自杀意念轨迹。随后，将样本随机分为训练集（65%，n=942）和验证集（35%，n=507），应用包含1000棵树的随机森林算法（Random Forest）在训练集中筛选重要预测变量，并通过逻辑回归模型进行精简与验证。数据来源于德克萨斯州青少年抑郁与自杀研究网络登记研究，该研究在全州范围内招募8-20岁的青少年参与者。

三、研究结果

轨迹模型选择

通过比较1至5组的组混合模型，最终选择了三轨迹模型，因为它是最后一个在连续比较中实现≥1%拟合改善的模型。约43.3%的参与者在6个月随访期间几乎没有持续性自杀意念（No PST组），44.2%的参与者表现出低水平持续性自杀意念（Low PST组），而12.4%的参与者则呈现高水平持续性自杀意念（High PST组）。各组平均轨迹在整个随访期内保持相对稳定。

6个月临床结局

无论是对儿童/青少年版还是成人版的PROMIS量表分析，三个轨迹组在所有分量表上的得分均存在显著差异。High PST组在所有领域得分最高，而No PST组得分最低。在儿科样本中，除身体功能、疼痛严重程度和同伴关系外，其余分量表得分随时间均有显著变化。然而，未发现显著的轨迹组与时间的交互作用，表明各组在不同领域的症状变化模式基本平行。

预测No PST的基线因素

随机森林分析识别出CHRT-SR₁₆自杀倾向子量表得分和CHRT行为模块评估的过去一周自杀意念是最重要的预测因子。最终的逻辑回归模型包含这两个变量。结果显示，CHRT-SR₁₆自杀倾向得分每增加1分，参与者归属于No PST组的可能性降低至原来的0.886倍；存在过去一周自杀意念的参与者，其归属于No PST组的可能性降低至原来的0.411倍。该模型在训练集和验证集中的AUC分别达到0.833和0.802，校准良好且Brier分数较低。对于有和无过去一周自杀意念的参与者，预测No PST的CHRT-SR₁₆自杀倾向截断值分别为11和14，对应灵敏度和特异度为0.76和0.69。

预测High PST的基线因素

预测High PST的最终模型包含CHRT-SR₁₆自杀倾向得分、CHRT行为模块评估的过去一周自杀意念以及PHQ-A总分。在验证集中，PHQ-A总分不再显著而被排除。结果显示，CHRT-SR₁₆自杀倾向得分每增加1分，参与者归属于High PST组的可能性增加1.16倍；存在过去一周自杀意念的参与者，其归属于High PST组的可能性增加4.21倍。该模型在训练集和验证集中的AUC分别高达0.869和0.865。对于有和无过去一周自杀意念的参与者，预测High PST的CHRT-SR₁₆自杀倾向截断值分别为16和26，对应灵敏度和特异度为0.85和0.77。

四、讨论与结论

本研究成功识别出三条不同的自杀意念轨迹，并建立了基于两项简短临床评估（共10个条目）的高精度预测模型。该模型不仅能预测高风险人群，还能有效识别低风险人群，这有助于临床医生合理分配医疗资源，实施分级干预。与既往工具相比，该模型具有多项优势：预测周期更长（6个月）、同时涵盖高低风险预测、整合了自我报告与临床访谈数据、且更为简洁。研究结论指出，基线自我报告的抑郁、悲观、无助、感知社会支持缺乏和绝望等指标，结合临床访谈评估的自杀意念，能够在6个月内以高准确率预测青少年无自杀意念或高水平自杀意念，从而提供了一个具有临床实用性的自杀风险预测模型，为实现精准预防和降低自杀率迈出了关键一步。