机器学习在提高非自杀性自伤预测力中的应用：一项系统综述.docxVIP

PAGE/NUMPAGES

机器学习在提高非自杀性自伤预测力中的应用：一项系统综述

【摘要】非自杀性自伤(Non-suicidalSelf-injury，NSSI)是重大的公共卫生问题，具有高度污名化、高度复杂性和高度异质性的特点，传统NSSI研究测量和分析方法有限，获得的影响因子预测力较低。近年来机器学习逐步应用于NSSI的分析和建模中，并通过提高NSSI研究工具预测力、增加预测模型复杂度和精确度、区分NSSI类别和亚型，使整体预测性能上升到中等水平。未来需结合NSSI传统理论和研究方法使筛选标准更严格，拓展非问卷NSSI数据与深度学习、无监督学习的结合，根据“先分型、再迁移”的原则增加模型的可复制性与可比性，进一步提高预测性能。

1引言

非自杀性自伤(Non-suicidalSelf-injury，简称NSSI)指的是个体故意地改变或伤害自己的身体组织，但无死亡意愿(江光荣等，2011)。NSSI是高发性心理障碍，在人群中广泛存在，尤其以青少年群体最为严重，我国青少年自伤检出率在24.9％～29％左右(Quetal.，2023；Tangetal.，2018)。NSSI具有严重的破坏性，不仅造成直接的身体损伤，还是自杀的重要风险指标，甚至比自杀未遂史更能预测自杀行为(Ribeiroetal.，2016)。NSSI常与其他精神疾病共病，如抑郁障碍、