自杀是世界范围内一个重大的公共卫生问题。根据世界卫生组织 （WHO） 的数据，每年有多达 800，000 人死于自杀。在自杀的众多原因中，精神病史是一个重要原因。自杀是抑郁症最严重的后果;大约五分之一的抑郁症患者会以自杀结束生命，重度抑郁症患者的自杀率特别高。

重度抑郁症（MDD）是最常见的心理障碍之一，其特征是持续和长期的抑郁情绪，自卑，痛苦，悲观，最后是更多的自杀倾向和行为。根据证据，普通人群中 15% 的 MDD 患者报告一生中至少发生过一次自杀未遂，MDD 患者的终生自杀率从 2% 到 12% 不等。MDD患者自杀未遂的终生患病率高达23.7%，这被认为是MDD的一个紧迫问题。必须找到MDD患者自杀企图的相关危险因素，以有效筛查和预防自杀。

以前的研究报告说，相关因素包括年龄、性别、失业、教育、酒精依赖、吸烟、人格障碍合并症、严重抑郁症状、精神病症状和焦虑症状。然而，仅通过这些心理社会因素预测自杀企图是不够的，与自杀相关的生物学机制仍不清楚。

本文旨在应对自杀企图进行系统筛查，以增加早期发现并预防并发症。本研究是第一个使用大规模数据来开发机器学习预测算法以识别MDD患者自杀风险的研究。

图 1.研究流程图。

本文的研究者进行了一项横断面研究。从中国一家综合医院的精神科门诊连续收集2016年3月至2017年6月的数据，并对这些数据进行筛选和随访，以确定标准。纳入标准为:(1)根据精神障碍诊断与统计手册(DSM) IV-TR标准，经两名至少有5年临床经验的精神科医生确诊为重度抑郁症;(2)年龄16-65岁，汉族;(3)急性首发;(4)以前没有服用过抗抑郁药或抗精神病药物。排除标准为:(1)妊娠或哺乳期(n = 10);(2)物质使用障碍(n = 9);(3)重度人格障碍(n = 15);(4)严重躯体疾病(n = 9);(5)拒绝参加本研究(n = 21);(6)访谈困难(n = 5)。1718例患者的最终资料符合研究标准。

自杀企图被定义为参与者自己为了结束自己的生命而做出的任何潜在的自残行为。汉密尔顿抑郁评定量表（HAMD）和汉密尔顿焦虑评定量表（HAMA）分别用于评估抑郁症状和焦虑症状。阳性和阴性综合症量表（PANSS）的阳性分量表用于测量精神病症状。

统计分析方面，首先将 1718 名患者随机分为 1243 名参与者的训练集和 475 名参与者的验证集进行外部验证，符合 7：3 的理论比例。使用SPSS软件上的随机数生成器方法将患者随机化为训练和验证。其次，方差分析（ANOVA）用于连续变量，卡方检验用于分类变量，以比较有自杀未遂患者之间或验证组和确认组之间的人口统计学和临床变量。然后使用Stata软件运行最小绝对收缩和选择运算符（LASSO）回归分析。自杀未遂设置为“二项式”，该参数包括有或没有自杀企图的因变量。基于2个对数似然类型测度和二项式自杀企图的类型度量，使用k-fold（本例中为3倍）交叉验证运行LASSO回归分析，以集中和规范化包含的变量，然后选择最佳lambda值。接着采用多变量逻辑回归分析，引入LASSO 回归模型中选择的特征，构建预测模型。

图 2.LASSO 二元逻辑回归模型的变量选择。

根据预测模型，作者确定了五个指标（精神病症状，焦虑症状，TPOAb，TC和HDL-C）是MDD患者自杀未遂的独立危险因素。

本文的列线图在以下五个方面支持临床前发现，并表明精神病症状与自杀企图之间存在关联。首先，本研究发现，较高的PANSS总分和更严重的精神病症状更有可能与自杀企图有关。其次，更严重的焦虑症状更有可能增加SA的风险。第三，结果表明TPOAb与SA相关。第四，TC升高可能是与MDD患者自杀相关的生物标志物。最后，该研究还发现HDL-C是防止自杀企图的保护性生物因子。

图 3.列线图预测模型的精神病症状、焦虑症状、TPOAb、TC 和 HDL-C 的危险因素。

总的来说，本文使用机器学习构建的模型表明了，精神病症状、焦虑症状、ATPO、TC 和 HDL-C这五个因素，在识别 MDD 患者自杀未遂风险方面具有高度重要性。

原始出处：

Yang W, Wang X, Kang C, et al (2023) Establishment of a risk prediction model for suicide attempts in first-episode and drug naïve patients with major depressive disorder. Asian Journal of Psychiatry 88:103732. https://doi.org/10.1016/j.ajp.2023.103732