基于支持向量机的抑郁障碍人群自杀风险预测.PDFVIP

第 卷第 期 杭州师范大学学报（自然科学版） １８ ２ Ｖｏｌ．１８Ｎｏ．２ 年 月 （ ） ＪｏｕｒｎａｌｏｆＨａｎｚｈｏｕＮｏｒｍａｌＵｎｉｖｅｒｓｉｔ ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ ２０１９ ３ ｇ ｙ Ｍａｒ．２０１９ ： ／ 犱狅犻１０．３９６９ ．ｉｓｓｎ．１６７４２３２Ｘ．２０１９．０２．０１８ ｊ 基于支持向量机的抑郁障碍人群自杀风险预测 ， １ １ ２３ １ 章 宣 ，孙军梅 ，谭忠林 ，付遥银 　 （ 杭州师范大学杭州国际服务工程学院，浙江 杭州 ； 浙江大学医学院精神卫生中心，浙江 杭州 ； １． ３１１１２１２． ３１１１１２ ３．杭州市第七人民医院，浙江 杭州 ３１１１１２） 摘 要：为解决常规自杀风险评估方法的局限性问题，提出一种基于支持向量机的抑郁障碍人群自杀风险 　 预测方法，并探讨和寻找与自杀意图有关的危险因素 通过查询法、问卷法，在精神疾病专科医院采集抑郁患者 ． 样本，特征选取在参考大量文献的基础上经过专家筛选，从社会人口学和心理状态选取了 个自杀风险特征 通 ９ ． 过 算法，采用不同核函数分别构建自杀风险预测模型 实验表明采用高斯核函数时效果最好，预测准确率 ＳＶＭ ． 为 ，模型复杂度为 ，且预测准确率、精度均高于 近邻、 两种分类算法 在选择的 个自杀风险特 ７３％ ０．３８ ｋ Ｌａｓｓｏ ． ９ 征中，情感障碍诊断、恐慌症、焦虑症、物质依赖和住院次数特征与抑郁患者的自杀风险呈现正相关，其余特征与 自杀风险呈负相关，其中年龄和住院次数对预测结果影响较大． 关键词：支持向量机；抑郁障碍；自杀意图；预测模型；高斯核函数 中图分类号：ＴＰ３９１．７７ 文献标志码：Ａ 　　　　　 　　　 文章编号： （ ） １６７４２３２Ｘ２０１９０２０２１９０６ 由于当今社会压力的不断增大，导致自杀事件的层出不穷，这些事件对个人、家庭和社会都带来了极 其严重的负面影响 权威医学杂志《 》指出， 年自杀在全球 — 岁的男性和女性死亡原 ． ＴｈｅＬａｎｃｅｔ ２０１０ １５ ４９ ［］ １ 因中的比重分别为 和 ，是北美地区第六大致死因素 我国也同世界其他地区一样面临严峻 ４．８％ ５．７％ ． 的自杀问题 根据卫生部统计信息中心