自杀仍然是一个主要的死亡原因在美国,有一半的自杀死亡的枪支。减少枪支时访问自杀预防自杀的风险是推荐的方法,但识别的风险仍然是困难的。许多人死于枪支自杀不得self-disclose或者寻求帮助从医学专业。拉克尔等1看起来相反的问题是否枪支自杀风险可能预知并周围那些在危险或枪支购买的时间。使用加州的数据库近500万购买手枪,他们应用机器学习技术来预测随后的枪支购买者自杀死亡。他们发现,武器只有0.066%的手枪自杀发生在一年内交易,但其中40%的自杀风险最高的分数。与随后的枪支自杀死亡相关的因素包括第一次购买枪支的老年,月的购买,和更短的距离和点火器出售。
机器学习模型可以提供见解的临床试验和结果可能缺乏的地方。拉克尔等1选择了一个监督机器学习方法使用一个随机森林模型之前,曾被用于自杀或自杀行为的风险预测。2这种模式的好处是,他们提供的分类和回归,帮助识别那些有风险的同时也显示出重要的变量。3广泛的预测变量,包括交易数据和购买者的人口特征和地理编码,提供丰富的特性来评估。然而,交易历史或死亡记录可能无法提供完整的故事或上下文,并添加其它数据sources-mental健康疾病、药物滥用、住院或自然语言处理的临床的票据证明价值和提高风险预测。4最后,考虑时间和自杀的风险可能相关类型的干预建议。
也是必须考虑的潜在使用这个模型相对于其准确性。拉克尔的模型等1表明,根据随机森林的阈值,灵敏度变化从0.39到0.75,特异性变化从0.70到0.95,阴性预测值为稳定在0.99,阳性预测值(PPV)很低在0.002到0.145(曲线下的面积,0.81)。PPV低并不意味着模型不是有用的,因为这是普遍大多数自杀预防模型,但较低的PPV并保证小心实践考量,避免不适当的过分识别风险。拉克尔等1关注自杀的比例,属于高风险的图表,但这忽略了购买者的池的大小在每个泛汰尔。一个可行的和有效的预防计划使用该模型将需要纳入信息购买的数量在每个泛汰尔。万博manbetx平台首页低成本的项目,像传单或电子邮件,可以很容易地传递给一大群,但higher-cost-and可能更得力程序可能成本高昂,除了风险最高组。
当前的方法有重要的警告,包括手枪的分析只是交易,枪支购买的可能不是一个用于自杀。不过,最重要的是谨慎行事的警告此类模型如何应用,除了上面提到的PPV考虑。具体来说,这种方法目前并不拥有足够强大的预测能力,要求其使用在销售点。越来越多的证据表明,许多枪支零售商支持自杀预防工作和愿意参与自愿项目客户教育或临时火器存储。5,6然而,零售商表示担心负债的情况下自杀或杀人后返回存储枪支,暗示他们可能也担心被要求使用一个预测模型之前,批准一个事务。重要的是,低PPV和其他数据质量的限制(例如,在匹配死亡购买)表明,这个模型不应作为推荐的主要因素极端风险保护令或其他法律干预措施。此外,目前尚不清楚在发展中该模型使用的数据可以实时的出售(或在为期10天的等待期),这样他们可以用于个人层面预测,随着讨论的建议。
除了这些问题,创造性的迫切需要枪支自杀预防的方法。利用大数据预测的力量,再加上一个深思熟虑的,协作方法现实的应用程序中,可以帮助防止未来的枪自杀。
发表:2022年7月11日。doi:10.1001 / jamanetworkopen.2022.23758
开放:这是一个开放的分布式根据文章CC-BY许可证。©2022贝茨我et al。狗万体育下载地址《美国医学会杂志》网络开放。
通讯作者:玛丽安·E·贝茨博士英里每小时,医学院急诊医学、科罗拉多大学17 Ave B215 12401 E,极光,有限公司80045 (marian.betz@ucdenver.edu)。
利益冲突的披露:戈斯博士报道收到资金从卫生保健研究和质量研究的开展和接收从派遣健康咨询费。戈斯博士的经济利益了科罗拉多大学医院和科罗拉多大学医学院的按照他们的制度政策。没有其他信息披露报告。