《Journal of Affective Disorders》:Multimodal machine-learning discrimination of recent preadmission suicidal behavior in adolescents hospitalized with depressive episodes
编辑推荐:
•睡眠和自主神经特征在临床变量之外进一步提高了判别能力。•一个包含九个预测因子的XGBoost模型实现了平均重复ROC-AUC为0.767。•睡眠效率和ln(LF)是最一致的判别特征。•加入炎症和脂质标志物几乎没有带来额外的改善。•研究结果支持多模态评估,但需要外部验证。引言
- •
睡眠和自主神经特征在临床变量之外进一步提高了判别能力。
- •
一个包含九个预测因子的XGBoost模型实现了平均重复ROC-AUC为0.767。
- •
睡眠效率和ln(LF)是最一致的判别特征。
- •
加入炎症和脂质标志物几乎没有带来额外的改善。
- •
研究结果支持多模态评估,但需要外部验证。
引言
青春期是一个敏感的发育阶段,在此期间自杀意念、自伤和自杀行为经常出现。情感调节、冲动控制、人际功能、睡眠和压力反应性的变化可能与精神症状和逆境相互作用,导致不同的临床表现。因此,自伤和自杀是重大的临床和公共卫生问题,尤其是在接受精神科照护的青少年中(Hawton等,2012;Turecki等,2019)。只有一部分有自杀意念的青少年会进展为自杀行为,且没有任何单一因素能解释这一转变(Mars等,2019)。最近的一项全球综述同样支持针对家庭、社会、心理和行为因素进行预防(Kim等,2024)。
识别自杀行为仍然充满挑战。传统风险因素显示出群体水平的关联,但在不同场景和时间范围内,个体判别能力有限且不一致(Franklin等,2017)。在自杀预测模型中,良好的判别能力并不一定带来临床可操作的风险估计,尤其是在结局事件罕见或验证不充分时(Belsher等,2019)。将临床医生评估与患者报告数据和常规临床数据相结合可能改善判别能力,但模型无法替代全面的临床评估(Nock等,2022)。这些局限性促使研究者探索能够捕捉精神脆弱性互补方面的多域标志物。
睡眠在青春期尤其相关,此时昼夜节律时间变化、睡眠稳态、大脑发育和社会日程安排等因素影响着睡眠时长和连续性(Tarokh等,2016)。睡眠不足可改变情绪反应性和调节能力,可能将睡眠障碍与急性精神脆弱性联系起来(Palmer和Alfano,2017)。一项剂量-反应Meta分析发现,睡眠时长与青少年自杀意念和企图之间存在非线性关联,较短和较长的睡眠时长均与较高风险相关(Chiu等,2018)。纵向证据将睡眠障碍与后续自杀想法和行为联系起来(Liu等,2020)。客观睡眠研究也表明,在精神疾病人群中,总睡眠时长减少与当前自杀意念或行为之间存在关联(Romier等,2023),而生态瞬时评估显示,睡眠时间短或睡眠质量差与次日自杀意念增多相关(Littlewood等,2019)。这些发现支持考察总睡眠时长(TST)和睡眠效率作为睡眠数量和连续性的相关但不同的指标。
自主神经和炎症过程可能提供超越临床变量的额外信息。心率变异性(HRV),即心跳间隔的逐搏变异,被研究作为跨精神疾病谱系中自主神经灵活性和自我调节能力的标志物(Beauchaine和Thayer,2015;Thayer等,2009)。年龄、性别、呼吸、身体状况、用药、记录条件和精神状态均会影响HRV,限制了疾病特异性解释。炎症信号传导也被认为与情绪症状、压力反应性和自杀行为有关,但结果存在异质性,且未确立因果关系(Brundin等,2017)。因此,整合睡眠、HRV、炎症、代谢和临床数据可能更好地表征与自杀行为相关的多域模式。
机器学习可以考察这些领域之间的非线性关系和交互作用。纵向电子健康档案已支持预测青少年自杀企图(Walsh等,2018)和儿科临床人群中的自杀行为(Su等,2020),大型健康系统研究也证明了可扩展的风险分层(Simon等,2018)。然而,许多现有模型依赖于诊断、用药、就诊和管理变量。客观睡眠和自主神经指标的增量贡献仍不清楚,尤其是在因抑郁发作住院的青少年中。未来事件预测也与对存在和不存在自杀行为的患者的同时性判别有所不同。后者方法的分类调查中报告的自杀企图在两个独立的全韩国队列中的外部验证已被报道(Lee等,2024)。
本研究旨在开发和内部验证用于同时判别11至17岁精神疾病患者入院前近期自杀行为的模型。我们使用重复嵌套交叉验证,比较了六种算法,并评估了睡眠、HRV、炎症和实验室特征是否能在常规临床特征之外改善判别能力。我们比较了精简型和扩展型固定特征集,并使用SHapley加性解释(SHAP)来描述模型特征贡献。
章节摘要
研究设计与参与者
这是一项回顾性横断面模型开发和内部验证研究,纳入了2023年2月至2025年6月期间在四川泸州西南医科大学附属精神病院符合条件的入院病例。研究旨在区分评估时存在与不存在入院前近期自杀行为的青少年。结局和预测变量提取自索引住院记录,但结局事件发生在入院之前。
研究人群与基线特征
在283例评估记录中,21例被排除:13例重复记录,6例缺少关键分析数据,2例躁狂发作。最终队列包括262例患者:176例无入院前近期自杀行为记录,86例有记录(32.8%),其中59例为实际企图,27例为未遂企图。所有262例患者对基线和建模变量的数据均完整,因此无需插补。图1总结了病例筛选和两阶段工作流程。
有自杀行为的患者与无自杀行为的患者相比
讨论
在262例因抑郁发作住院的11至17岁患者中,多模态模型在同时性判别方面优于固定临床-only模型。临床logistic回归优于临床XGBoost(平均重复ROC-AUC,0.612 vs 0.547),而加入睡眠和HRV后XGBoost表现最佳。精简型XGBoost实现了主要平均重复ROC-AUC 0.767(SD,0.012),次要患者平均OOF ROC-AUC 0.781(95% CI,0.720–0.835)。扩展型模型的额外改善
结论
设备衍生的睡眠和自主神经测量可能补充常规临床信息,用于表征因抑郁发作住院的青少年入院前近期自杀行为。在探索性比较中,精简型模型在减少实验室输入的同时保持了类似的判别能力,且患者平均的次要校准性能大体相当。如果获得外部验证,它可能支持结构化二次评估或研究分层,但不应
作者贡献声明
余浩:撰写——初稿,可视化,软件,方法学,调查研究,形式化分析,数据整理,概念化。王浩然:撰写——初稿,方法学,形式化分析,概念化。龚柯:撰写——初稿,形式化分析,概念化。王林:撰写——初稿,形式化分析,数据整理。陆洋:撰写——初稿,方法学,概念化。王一:撰写——初稿,方法学,概念化。
伦理批准与参与同意
本研究经西南医科大学附属精神病院伦理审查委员会批准(批准号:KY2025222),并遵循《赫尔辛基宣言》开展。由于研究的回顾性设计和去标识化临床数据的使用,伦理审查委员会豁免了知情同意要求。
生成式AI及AI辅助技术在写作过程中的声明
生成式AI工具仅用于辅助英语语言润色。所有科学内容、数据分析、解释和最终措辞均经作者严格审阅、核实和批准。
资金支持
本研究部分由四川省科技厅基金资助(2023NSFSC0124)、自贡市医院高质量发展项目(ZG-KY-2023-047,ZG-PT-2023-026)、西南医科大学青年项目(LXWQ-2022QN084)、西南医科大学临床医学专项项目(2025LCYXZX71)、合江县人民医院与西南医科大学科技战略合作项目(
利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系,这些利益或关系可能影响本文所报告的工作。
余浩|王浩然|龚柯|王林|陆洋|王一|张学利|黄朝华|梁俊帆|高蓝洋|王婷婷|冯双双|刘克智