近日，清华大学心理系牟文婷副教授课题组在流行病学领域国际权威期刊《American Journal of Epidemiology》（5年影响因子5.2，JIF percentile 92.3%）发表题为《Predicting First Onset of Suicide Attempt among Children with Suicidal Ideation or Non-suicidal Self-injury Using Machine Learning: A Prospective Population-based Cohort Study》的研究成果。该研究通过机器学习方法系统识别了有自杀意念或非自杀性自伤（NSSI）高危儿童群体中首次采取自杀行为的关键预测因素，为儿童自杀行为的早期预警与精准干预提供了新思路。
本研究利用对自杀行为和自杀意念的大规模纵向数据，对基线时已报告存在自杀意念或NSSI的高危群体进行了长达四年的追踪，系统评估了广泛的风险因素，并采用离散时间随机生存森林构建预测模型。结果显示，在4年的随访期间，存在自杀意念的群体中有40/344（11.6%）的人首次尝试自杀，而基线有非自杀性自伤行为行为的群体中则有32/261（12.3%）的人出现首次自杀尝试，换言之，大部分有自杀意念或者非自杀性自伤行为的群体，并不会采取自杀行为。另一方面，研究结果揭示了这两种高风险群体首次进行自杀尝试的预测模式：对于有自杀意念的被试，其关键预测因素包括NSSI行为、曾目睹家庭暴力、自杀意念的严重程度、女性性别、较长的在线社交屏幕时间以及较低的父母监管水平。而在已有非自杀性自伤行为的群体中，风险因素则主要表现为目睹家庭暴力、焦虑障碍、照顾者报告的非自杀性自伤、女性性别，以及破坏性、冲动控制与品行障碍。
这些发现不仅揭示了高自杀风险的儿童在自杀发展路径上的关键模式，更为关键的是在人群层面为制定更具针对性的儿童自杀预防策略提供了重要科学依据。特别值得关注的是，研究中识别出的风险因素如家庭暴力暴露等可能增强个体的“自杀能力”，即对痛苦的耐受与实施自杀行为的心理准备，从而显著提高从意念向实际行动转化的风险。因此，在高危儿童中精准识别出具备此类风险特征的个体，并尽早实施有针对性的心理干预与家庭支持，是阻断自杀行为发生的关键环节。这一成果对于推动我国儿童青少年心理健康精准防控体系的构建，具有重要的现实意义与实践价值。
该论文的第一作者为我系博士研究生黄春程，通讯作者为我系牟文婷副教授。
论文链接：
https://doi.org/10.1093/aje/kwaf242
Huang, C., Zhou, Y., Yue, Y., Yu, Y., Wang, Z., Huang, C., ... & Mu, W. (2025). Predicting First Onset of Suicide Attempt among Children with Suicidal Ideation or Non-suicidal Self-injury Using Machine Learning: A Prospective Population-based Cohort Study. American Journal of Epidemiology, kwaf242.
教师简介
牟文婷
心理与认知科学系副教授、博士生导师
研究方向：青少年抑郁、自杀动态风险预测模型；大语言模型赋能心理健康
