医学论文发表-用于估计自杀未遂风险的达勒姆风险评分的开发和验证：前瞻性队列分析
· 内森·金布雷尔
· 让·贝克汉姆
· 帕特里克·卡尔霍恩
· 布莱恩·德贝尔
· 特伦斯·基恩
· 丹尼尔·李
· 布赖恩·马克思
· 埃里克·迈耶
· 桑德拉·莫里塞特
· 埃里克·埃尔博根
· 发布时间： 2021年8月5日
抽象
背景
全世界每年有近80万人死于自杀：然而，纵向预测自杀未遂仍然是精神病学领域的一大挑战。本研究的目的是制定和评估基于证据的自杀未遂风险清单[即达勒姆风险评分（DRS），以帮助临床医生识别未来自杀未遂风险的个人。
方法和发现
三项前瞻性队列研究，包括来自美国的基于人口的研究[即全国酒精及相关条件流行病学调查（NESARC）研究]，以及2个较小的美国老兵群体[即评估和减少部署后暴力风险（REHAB）和退伍军人出院后纵向登记处（VALOR）研究]，用于开发和验证DRS。从35，654名参与者的总样本量中，选出了17，630名参与者来编制清单，而其余参与者（N = 18，024）则用于验证该清单。主要结果衡量标准是未来的自杀企图（即在1至3年随访期间进行基线评估后发生的实际自杀未遂）。衡量发展始于对存有文献的审查，以确定作为自杀未遂和死亡的纵向预测因素而获得大量经验支持的潜在变量。其次，利用接收器操作特征 （ROC） 曲线分析来识别文献评论中的变量，这些变量为发展队列中自杀未遂的纵向预测做出了独特贡献。我们观察到，DRS 是未来联合开发（曲线下区域 [AUC] = 0.91）和验证 （AUC = 0.92） 队列中未来自杀企图的有力预测。风险分析的集中发现，在所有 35，654 名参与者中，82% 的潜在自杀未遂发生在 DRS 得分最高的 15% 的个人中，而 27% 发生在前 1% 的个人中。DRS 在重要子组中也表现良好， 包括女性 （AUC = 0.91），男性 （AUC = 0.93），黑人 （AUC = 0.92），白人 （AUC = 0.93），西班牙裔 （AUC = 0.89），退伍军人 （AUC = 0.91），低收入个人 （AUC = 0.90），年轻人 （AUC = 0.88），女同性恋， 男同性恋， 双性恋， 变性人，和奇怪的或质疑（LGBTQ）个人（AUC=0.88）。本研究的主要局限性是它依靠二次数据分析来制定和验证风险评分。医学论文发表-
结论
在这项研究中，我们观察到，DRS是未来自杀企图的有力预测者，无论是联合发展（AUC = 0.91）还是验证（AUC = 0.92）队列。它还在许多重要的子群体中表现出良好的效用，包括妇女、男子、黑人、白人、西班牙裔、退伍军人、低收入个人、年轻人和LGBTQ个人。我们进一步观察到，82% 的潜在自杀未遂发生在 DRS 得分最高的 15% 的个人中，而 27% 发生在前 1% 的个人中。综合起来，这些发现表明，DRS代表了自杀风险预测比传统临床评估方法的重大进步。虽然还需要做更多的工作来独立验证未来研究中的 DRS，并确定评估用于计算分数的构造的最佳方法，但我们的发现表明，DRS 是一个很有前途的新工具，有可能显著提高临床医生识别未来自杀未遂风险的个人的能力。
作者摘要
为什么会进行这项研究？
· 全世界每年有近80万人死于自杀：然而，纵向预测自杀未遂仍然是精神病学领域的一大挑战。
· 目前的临床风险仪器和评估，以检测未来自杀尝试的风险缺乏足够的诊断准确性，以指导治疗决定。
研究人员做了什么和发现什么？
· 这项研究的目标是制定和评估风险评分（达勒姆风险评分或DRS），以帮助临床医生识别有自杀风险的个人。
· 对美国的3项前瞻性队列研究（总样本量=35，654名参与者）进行了二次分析，包括一项大型一般人口研究和2个较小的老兵群体。
· 风险评分是合并开发（曲线下[AUC] = 0.91）和验证（AUC = 0.92）队列中未来自杀企图的有力预测因素。此外，82% 的潜在自杀未遂发生在风险得分最高的 15% 的个人中，而 27% 发生在风险得分最高的 1% 的个人中。
· 风险评分在重要的子组中也表现良好，包括妇女、男子、黑人、白人、西班牙裔、退伍军人、低收入者、年轻人以及女同性恋、男同性恋、双性恋、变性人以及古怪或质疑 （LGBTQ） 个人。
这些发现意味着什么？
· 我们的发现表明，DRS是一个有前途的新工具，有可能提高临床医生识别有自杀风险的个人的能力。
· 这项工作的主要局限性是它依靠次要数据分析来开发和验证分数。
· 还需要做更多的工作来独立验证未来研究中的 DRS，并确定评估用于计算分数的每个构造的最佳方法。
引文：金布雷尔纳， 贝克汉姆 Jc， 卡尔霍恩 Ps， 德贝尔 Bb， 基恩 Tm， 李 Dj 等人 （2021） 开发和验证达勒姆风险评分估计自杀未遂风险： 一个潜在的队列分析。PLoS Med 18 （8）： e1003713.https://doi.org/10.1371/journal.pmed.1003713
学术编辑：维克拉姆·帕特尔，美国哈佛医学院
收到：2021年1月27日：接受：2021年6月23日：已发布：2021年8月5日
这是一个开放访问的文章，没有所有的版权，并可以自由复制，分发，传输，修改，建立，或以其他方式用于任何合法目的。这项工作是在知识共享CC0公共领域奉献下提供的。
数据可用性：来自 NESARC、REHAB 和 VALOR 数据集的数据不能公开共享，因为机构审查委员会要求研究作者根据当前分析进行的这些研究不允许公开共享数据：但是，这些数据可以提供给符合获取机密数据标准的研究人员。有关更多信息，请联系以下个人（NESARC：aaron.white@nih.gov;对于康复：angela.kirby@va.gov;对于 VALOR：Carole.Palumbo@va.gov）。 有兴趣获取这些数据的研究人员还可以访问以下网站，了解有关如何访问每个数据集的更多信息：NESARC（https://www.niaaa.nih.gov/research/guidelines-andresources/epidemiologic-data）：康复（https://www.durham.va.gov/research/research.asp）：和瓦洛尔（https://www.boston.va.gov/services/Research.asp） 。
资金：他的工作得到了国家精神卫生研究所（NIMH）的资助： #R01MH080988）向E.B和国防部（国防部）的赠款（国防部：#W81XWH-08-2-0100/W81XWH-08-2-0102）向T.K.N.K.（#I01CX001729）和J.B（#lK6BX003777）也得到了VA ORD临床科学研究与发展服务的支持。此外，国家酒精滥用和酒精中毒研究所资助了全国酒精及相关条件流行病学调查。N.K. 还得到了达勒姆 VA 医疗保健系统的精神和行为卫生服务热线、弗吉尼亚州中大西洋精神疾病研究、教育和临床中心 （MIRECC）、VA 卫生服务创新研发中心 （ADAPT） 和杜克大学医学院精神病学与行为科学系的支持。资助者在研究设计、数据收集和分析、出版决定或编写手稿方面没有作用。
竞争利益：作者宣称不存在相互竞争的利益。
缩写：美国精神病学协会APA;AUC，曲线下的区域;AUDADIS、酒精使用障碍和相关残疾面试时间表;审计，酒精使用障碍识别测试;BPD，边缘人格障碍;BSS，贝克规模自杀的想法;帽，临床医生管理的PTSD规模;CI，信心区间：C-SSRS，哥伦比亚-自杀严重程度评级等级;CTQ，儿童创伤问卷;药物滥用筛查测试;DRS，达勒姆风险评分;DTS，戴维森创伤量表;EHR，电子健康记录;FN，假阴性：FP，误报：LEC，生活事件清单;Lgbtq， 女同性恋， 男同性恋， 双性恋， 变性人， 和奇怪的或质疑;迷你，迷你国际神经精神病学访谈：国家酒精及相关疾病流行病学调查;不良预测值，负预测值;NSSI，非自杀性自残;或者，赔率比率;PHQ-9，患者健康问卷-9：PPV，正预测值;创伤后应激障碍，创伤后应激障碍;恢复、评估和减少部署后暴力风险;中华民国，接收机操作特点：SBQ-R，自杀行为问卷修订：SCID，DSM的结构化临床访谈;SCL-90，症状检查表-90;SHBQ，自我伤害行为问卷：西比，自我伤害的思想和行为访谈：SPS，悲伤的人规模：TBI，创伤性脑损伤;创伤性生活事件问卷：TN，真正的负面：TP，真正的积极因素;TRIPOD，个人预后或诊断的多变预测模型的透明报告;退伍军人退役后纵向登记处;VR-12， 退伍军人兰德 12 项目健康调查
介绍
2016年，自杀导致全球793，000人死亡，是15至29岁青少年的第二大死因[1]。此外，在美国，经年龄调整的自杀率自1999年以来增加了33%。不幸的是，对自杀行为的预测仍然是精神病学领域的一大挑战[3]。例如，2017年对自杀行为纵向危险因素的元分析发现，自杀未遂的潜在预测因素的总体加权赔率比率（OR）为1.5=3。在检查诊断准确性时，没有危险因素类别（包括自杀筛查人员）在曲线下的加权区域 （AUC） 大于 0.61，用于预测未来的自杀企图[3]。同样，2019年的一项研究[4]旨在对美国几个最常用的自杀未遂风险工具进行前瞻性评估，包括哥伦比亚-自杀严重程度评级表（C-SSRS[5];推荐用于药物试验的自杀风险评估工具[6]）、自我伤害行为问卷 （SHBQ [7]）、自杀行为问卷修订 （SBQ-R [8]）和贝克自杀想法量表 （BSS[9]），发现这些仪器中没有一个与未来自杀企图有关的 AUC 高于 0.67[4]。同样，Randall 及其同事（10） 2018年的一项研究也发现，C-SSRS 在预测未来尝试（AUC = 0.67）和自杀死亡（AUC = 0.68） [10]方面只有中等准确性。
在英国，Quinlivan及其同事调查了急诊科临床医生和精神卫生工作人员从32家医院的分层随机抽样中使用的自杀风险等级的范围和类型，发现最常用的自杀风险评估仪器未经当地开发的量表[11]。事实上，32人中的22人（68.8%）这项研究中包括的英国医院使用未经验证的仪器评估自杀风险，导致作者得出结论，目前临床医生和医院系统对于用于评估自杀风险的最佳工具（11）几乎没有共识。在研究中包括的其余三分之一的英国医院中，SAD人规模（SPS）[12]成为自杀风险评估中最常用的标准化方法[11]。不幸的是，最近的研究发现，SPS预测未来自杀未遂的AUC并不比偶然性好（AUC = 0.51 到 0.57） [13，14] 。另外两种结构相似且经常使用的临床风险方法，包括曼彻斯特自残规则[15]和 ReACT 自残规则[16]，表现更好（AUC = 0.71，两者[13]），但仍远低于临床决策通常建议的歧视水平（即 AUC ≥0.90）。这些发现虽然令人沮丧，但与最近对现有自杀风险工具的系统审查和元分析一致，这些工具包括（除其他外）C-SSRS[5]、BSS[9]、SPS[12]、曼彻斯特自残规则[15]和"REACT自残规则[16]"，这些工具的结论是，目前有"......没有科学支持使用自杀风险工具来预测自杀行为"[17]。
鉴于这些发现，美国精神病学协会（APA）的《自杀行为患者评估和治疗实践指南》（18）建议精神病医生利用临床判断，根据全面的精神病学评估来估计患者自杀风险的总体水平，而不是依靠标准化的仪器来估计自杀风险，这也许并不奇怪。该准则进一步指出，精神病医生在试图估计患者的自杀风险时，应考虑不少于70种不同的风险和保护因素， 包括自杀思想/行为史（5个因素）、精神病诊断（8个因素）、身体疾病（12个因素）、心理社会特征（6个因素）、儿童创伤（2个因素）、遗传和家庭效应（2个因素）、心理特征（12个因素）、认知特征（4个因素）、人口特征（6个因素）、附加特征（3个因素）和保护因素（10个因素）[18]。
令人遗憾的是，没有什么理由相信临床医生的预测比结构化的评估更准确地预测未来的自杀行为[10，19]。例如，Randall及其同事[10]检查了临床医生预测自杀风险的准确性，发现临床医生的评估在预测未来的自杀企图方面也只有中等准确性（AUC = 0.73）。此外，临床医生对未来自杀死亡的预测并不比偶然性好（AUC = 0.55;95% 置信区间 [CI]： 0.36 到 0.73）[10]。这些发现与伍德福德及其同事（19岁）2019年进行的元分析一致，该分析评估了临床医生预测未来自我伤害的准确性（请注意，"自残"一词包括自杀和非自杀自残[NSSI]）。这种元分析（不包括Randall及其同事的研究[10]以上引用）估计临床医生预测未来自残的敏感性为0.31[19]，表明临床医生在所包括的研究中的预测未能确定69%的人继续从事未来的自我伤害。虽然临床医生预测自残的特异性（0.85）明显优于敏感性，但总体分类仍然很差。伍德福德及其同事[19]没有在元分析中报告AUC对临床医生预测未来自我伤害的价值;然而，为了准备本工作，我们利用Idrees和同事的[20]方法从伍德福德及其同事提供的分类数据[19]计算AUC，其中包括1，685个真阳性（TPs）、5，996个误报（FPs）、1，556个假阴性（FNs）和13，262个真阴性（TNs）。这一计算表明，在伍德福德及其同事（19例）检查的22，499例病例中，AUC对临床医生预测未来自残的价值为0.60（其中AUC =（1/2）=[TP/（TP+FN）]=（TN/（TN+FP）]]。因此，我们同意伍德福德及其同事的结论，即临床医生对未来自我伤害的估计太不准确，在临床上没有用处[19]。
由于担心临床医生预测（10、19）和现有临床自杀风险评估（3-17）诊断准确性差，近年来已开发出一些基于电子健康记录（EHR）数据的统计驱动自杀风险算法，并已显示出巨大的希望[21-24];然而，这种做法也因实际效用有限而受到批评[24]。除了与低正预测值 （PPV）[10]相关的问题外，此类模型还存在实用缺陷，例如 （1） 最初开发的医疗保健系统之外的个人无法使用：（（2） 不能适用于首次患者或不符合某些标准的患者（例如，《精神卫生条例》中的精神健康预约史）：（三）临床医生自行计算不切实际的：（4） 临床医生难以解释，因为分数通常来自依赖于隐藏层、非线性模型和复杂的高阶交互的机器学习方法。因此，虽然从 EHR 数据中提取的基于机器学习的算法在诊断准确性方面似乎大大优于临床医生的预测和传统临床评估方法，但它们也存在一些实用的缺陷，这些缺陷可能会限制它们对执业临床医生的用处。
因此，仍然迫切需要一种风险评估工具，能够帮助临床医生准确识别未来企图自杀的风险。达勒姆风险评分 （DRS;图1）是使用合理和定量方法开发的自杀未遂风险清单，以满足这一特定需求。本报告描述了 DRS 的初步发展和验证，包括它对美国 [25 -27]众多参与者预测未来 1 至3年内自杀未遂事件的效用。在创建此措施时，我们的目标是创建一个自杀风险计算器，其性质与著名的弗雷明厄姆风险评分和汇总队列方程相似，这些方程被广泛用于筛查个人心血管疾病 10 年的风险[28]。我们假设，通过将大量经验支持自杀行为的危险因素（3-18、21-24、26、27、29-43）合并到临床清单中，我们可以显著提高临床医生识别未来自杀风险的个人的能力。
图1。DRS清单，版本1.0。博士，达勒姆风险评分。
https://doi.org/10.1371/journal.pmed.1003713.g001
方法
参与者
全国酒精及相关疾病流行病学调查研究。
国家酒精及相关状况流行病学调查（NESARC）研究[25，44，45]是由美国国家酒精滥用和酒精中毒研究所进行的一项大型纵向一般人群研究。NESARC的初步研究包括一个具有全国代表性的样本，对2001至2002年各种精神和药物使用问题进行了评估的43 093名参与者[25]。第2波发生在3年后，包括对来自第1波的34，653名参与者的后续访谈（见格兰特及其同事[25，44，45]，以了解有关NESARC项目研究程序的更多细节）。目前的分析仅限于参加第1波和第2波的34，641名NESARC参与者，并从第2波获得自杀未遂的后续数据。IBM SPSS 统计 24 软件包的随机选择程序用于生成 NESARC 数据集中的 4 个随机参与者子集， 包括 2 用于开发 [NESARC 1（N = 8，872） 和 NESARC 2（N = 8，525）] 和 2 用于验证 [NESARC 3（N = 8，516） 和 NESARC 4（N = 8，728），有关示例特征，请参阅表 1] 。在没有更换的情况下进行取样，以确保每个案例不会被多次选中。请注意，NESARC 的 4 个参与者组与潜在自杀未遂率没有差异，p = 0.973;终身自杀未遂，p=0.729; 性别，p=0.541; 年龄，p=0.448; 比赛，p=0.814： 性取向，p=0.839;教育，p=0.343： 收入，p=0.67： 或就业状况，p=0.923。 有关 NESARC 研究研究程序的更多详细信息，请参阅 Grant 及其同事[25、44、45]。
表1。用于开发和验证 DRS 的纵向样本的描述性统计数据。
https://doi.org/10.1371/journal.pmed.1003713.t001
评估和减少部署后暴力风险研究。
评估和减少部署后暴力风险（REHAB）样本由来自美国的伊拉克/阿富汗时期的退伍军人组成，他们参与了一项为期1年的纵向研究，题为"评估和减少部署后暴力风险"，重点研究创伤后应激障碍（PTSD）、创伤性脑损伤（TBI）与暴力（26，46）之间的关联。为了有资格进行目前的分析，参与者在基线评估时必须没有部署后自杀未遂的历史以及可供分析的后续自杀未遂数据。前一项纳入标准是为了确保在6个月和12个月的后续评估中报告的所有潜在自杀企图真正代表新的自杀企图实例，因为这项研究完全依靠自我报告来评估自杀未遂。关于这项研究的方法的其他细节可以在埃尔博根和同事[46]和阿德基松和同事[26]找到。
退伍军人退伍后纵向登记研究。
退伍军人退伍后纵向登记处（VALOR）样本由参与VALOR研究的美国退伍军人（27，47）组成，该研究对伊拉克/阿富汗时期的退伍军人进行了为期两年的纵向研究。分析仅限于参与的退伍军人（N = 780），具有完整的基线数据和可供分析的后续自杀未遂数据。有关这项研究方法的进一步细节可以在罗森和同事[47]和李和同事[27]中找到。
主要结果变量
目前的分析侧重于预测未来的自杀企图（而不是自杀死亡），原因有几个。首先，自杀死亡是极其罕见的事件。在美国，2019年经年龄调整的自杀率为13.9/100，000[2]。自杀企图远比自杀死亡（2、31、32）更为常见，是已知自杀死亡最有力的预测因素之一[3、31、32]。事实上，Olfson及其同事（32岁）发现，12个月内有1.6%的自杀未遂者死于自杀，而3.9%的人在5年内死于自杀。自杀未遂事件也经常在高质量的纵向数据集中进行评估，而很少有纵向研究数据库，其样本量足够大，无法研究自杀死亡，其中也包含通过严格的研究评估收集的高质量、系统地评估自杀行为既定预测数据。值得注意的是，Belsher及其同事（24岁）最近建议，未来的自杀风险模型针对更常见的结果，包括自杀尝试，在审查现有的自杀风险模型后，开发表现更好的自杀风险模型。同样重要的是要认识到，自杀企图本身就是非常严重的事件。正如世界卫生组织[48]所指出的那样，"自杀企图给社区带来了巨大的社会和经济负担，因为利用保健服务来治疗伤害，这种行为对个人及其同伙的心理和社会影响，以及偶尔因伤害而造成的长期残疾。
自杀未遂评估。
在采访的低情绪部分，训练有素的面试官在NEDARC研究中评估了潜在的自杀企图，并提出了以下问题："自上次面试以来的那段时间里（你的情绪处于最低点/你喜欢或最不关心的事情），你是否试图自杀？因此，对于目前分析中包括的绝大多数参与者来说，主要结果变量由面试官评估，面试官经过明确培训，只记录在最初的NESARC基线评估之后发生的新的自杀未遂事件。
同样，在 VALOR 样本中，自伤思想和行为访谈 （SITBI）[49]由一名训练有素的面试官在为期 2 年的随访中实施，该面试官特别侧重于识别自基线评估以来发生的自杀未遂新实例。具体来说，项目 VALOR 参与者被问及以下有关基线评估后 2 年时间的问题："您是否曾经实际试图自杀，其中你至少有一些死亡意图？作为VALOR项目的一部分，还审查了参与者的EHR，以审查自杀未遂和/或自杀死亡的例子。有关这些程序的更多细节可以在李和同事[27]和罗森和同事[47]中找到。
最后，在REHAB样本中，通过自我报告对自杀企图进行评估，并采用一种研究专用工具，旨在分别评估部署前的自杀企图、基于部署的自杀企图和部署后自杀企图[26]。由于这是目前分析中仅依靠自我报告来评估潜在自杀企图的唯一研究，因此，在基线评估时报告1次或1次以上部署后自杀企图的退伍军人被排除在本分析之外，以确保在6个月和12个月的后续评估中报告的任何部署后自杀未遂事件真正反映自杀未遂的新发生，而不是报告错误的结果。
分析计划概述
DRS 开发和验证的基础主要分析始于 2018 年 4 月，到 2020 年 7 月结束，根据达勒姆退伍军人事务医疗保健系统机构审查委员会、杜克大学医学院和 VA 波士顿医疗保健系统批准的研究协议进行。审查员在同行审查过程中要求进行的其他分析于2021年3月至2021年4月进行。虽然在启动该项目之前没有制定书面的前瞻性分析计划，但使用系统的方法来开发和验证DRS。 具体来说，衡量发展始于对自杀行为危险因素的现存文献的审查[3-18、21-24、26、27、29-43]。在从文献中确定和排名了大量自杀和自杀企图死亡的潜在纵向预测因素之后，进行了二次数据分析，以在开发样本中开发DRS（即NESARC 1、NESARC 2和REHAB;合并后的N =17，630）。然后在验证样本（即NESARC 3、NESARC 4和VALOR;合并N=18，024）中进行了测试，以确定它是否继续在大小和成分相似的单独队列中预测。 这项研究是根据个人预后或诊断 （TRIPOD） 报告指南的多变预测模型的透明报告报告（参见S1 TRIPOD 清单）。
达勒姆风险评分的发展
由于我们的主要目标是开发一个自杀未遂风险清单，临床医生可以用它来可靠地区分高风险患者和低风险患者，因此接收器操作特征 （ROC） 曲线分析是用于开发开发样本中的 DRS 的主要统计方法。还利用物流回归在某些情况下帮助指导可变选择程序。ROC 曲线、相关矩阵和奇平方测试用于评估双变量关联，并识别最大程度地预测自杀企图的变量的最佳切点或迭代。
我们选择将 NESARC 样本拆分为 4 个较小的样本，以确保我们将有 （1） 2 个大数据集，以便进行初始开发工作：和 （2） 2 个大小和组成相似的大数据集，以测试最终选定模型的性能。即与使用培训数据集（T）的标准坚持交叉验证方法一致三）和验证数据集（Tv）为了避免由于将开发样本限制为单个数据集而过度拟合，我们利用了 2 个大型、随机选择的 NESARC 参与者子集来开发 DRS。第三个样本（REHAB）较小，独立收集，完全由退伍军人（其中许多人患有精神疾病）组成，也被列入发展阶段，以进一步防止过度适应和提高调查结果的普遍性。因此，从35，654名参与者的总样本量， 17，630名参与者（包括NESARC 1、NESARC 2和REHAB）被用于开发DRS，而其余样本（NESARC 3、NESARC 4和VALOR;合并N =18，024）则被搁置，以测试DRS在类似大小和组成的数据集（Tt）中的表现。表1为本分析中包括的每个样本提供描述性统计数据。
根据构建适当和稳定的预测模型的建议[50，51]，独立可变选择以理论[29，30]为指导， 先前的经验调查[3-5，7-18，21]24，26，27，29-43]，临床考虑[3-18，21-24，29-31，48]，不变和双价统计分析， 并考虑独立变量之间的多校际性。因此，独立的可变选择和筛选始于对有关自杀行为危险因素的相关文献的审查[3-5，7-18，21-24，26，27，29-43]。事先决定优先确定具有特别强烈经验支持的变量，作为文献中的纵向危险因素（例如最近的精神病住院）——即使它们对我们特定样本的影响不那么明显——希望在未来的工作中提高清单的稳定性和可重复性。
为了简化经验证据的量化，我们依靠富兰克林和同事的[3]元分析，我们认为，这是分析时关于这一主题的最全面的工作。自杀死亡和自杀未遂的十大风险类别得分从1分到10分不等，其中10分被分配给与自杀死亡和企图关系最密切的广泛风险类别。此外，本元分析中发现的自杀死亡和自杀未遂数前5名的预测者也被分配了6至10分。因此，潜在证据分数从 0 到 40 不等（见S1 文件中的表 A）。表 2提供了我们根据富兰克林和同事[3]的调查结果分配给每个变量的经验证据评分，以及每个变量进入模型对 3 个开发样本中 DRS 不同迭代的累积 AUC 值的潜在影响。
表2。经验证据评分和对 3 个开发样本中每个 DRS 变量的累积 AUC 值的影响。
https://doi.org/10.1371/journal.pmed.1003713.t002
如S1文件中的表2和表A所示，先前自杀未遂的历史是根据这种方法（总经验证据评分 =35;平均 AUC = 0.62）的最高总经验证据分数的变量，而精神病/精神分裂症是考虑的最低评分变量（总经验证据评分 = 1;平均 AUC = 0.52）。如S1 文件中的图 A 所示，在总经验证据分数和在 3 个开发样本中考虑的每个构造的平均双变量 AUC 值之间观察到具有统计学意义的正相关（r = 0.37，p < 0.001），为我们的一般方法提供支持，以量化所考虑变量的经验证据。
为了确保评分和解释尽可能简单（即确保较高的分数等于高风险），还事先决定只包括具有明显主要影响的二分法风险因素。因此，保护因素、仅在存在其他变量（例如通过相互作用）时产生影响的风险因素和规模化的风险因素被排除在潜在预测因素之外（尽管在某些情况下，我们能够成功地将收集的物品（例如睡眠问题和感知健康）二分法。此外，根据 Babyak 的建议[50]，在许多情况下，重叠结构进行了聚合，以提高模型稳定性并减少清单中包含的变量数量。因此，为"情绪障碍"、"物质使用障碍"、"暴力/监禁"、"性虐待/性侵犯"以及"女同性恋、男同性恋、双性恋、变性人、怪人或质疑（LGBTQ）"创建了复合变量。
对模型构建采取了反复、连续的方法，根据现存文献（例如，先前的自杀未遂、住院、NSSI 和自杀想法），预期对未来自杀风险有强烈和明显影响的变量[3]在经验支持较少的变量（例如人口预测因素）之前输入。我们首先计算了 3 个开发样本中每个潜在预测器的 ROC 曲线（见S1 文件中的表 A）。然后，从我们确定的 2 个变量（即之前的自杀未遂和之前的精神病住院）中获得了最强的经验支持开始，我们评估了这 2 个变量的组合（即总和）是否导致 AUC 值在整个开发样本中始终高于单独检查的单独变量的 AUC 值。利用这一一般方法，我们系统地评估了每个新变量，以便将潜在因素纳入清单，直到我们无法确定在 1 个或多个开发样本中改善对低风险个体的歧视的任何额外变量（见表 2）。
选择列入 DRS 的最后一组构造在表 2中，其中还显示了每个变量进入模型对 DRS 在 3 个开发样本中不同迭代的累积 AUC 值的影响。然而，重要的是要注意，对可变选择采取了迭行方法，最终选择纳入 DRS 的构造是那些不仅在 3 个开发样本中优化预测有效性的构造，而且从理论和临床角度也是合乎逻辑的[18、29、30]。现存文献中的其他变量[3、18、21、23、29-43]也被考虑 （见S1 文件中的表 A），但最终没有选择， 包括 （除其他外） 其他精神疾病 （如精神分裂症和焦虑症）， 最近的生活压力源， 和各种人口变量 （如婚姻状况） 。还考虑了变量的不同顺序和迭代（例如频率、严重程度和评估时间框架），以优化开发样本中变量的预测值。另请注意，在本研究中使用的样本中，无法分析许多其他潜在的重要变量（例如自杀意图、获得致命手段、自杀计划和精神病住院）。
要保留在清单的最终版本中，每个变量需要 （1） 在文献中都有明确的经验支持：（2） 在1个或多个开发样本中，证明与未来自杀企图呈阳性双变量关联：（三）在1个以上开发样品中证明增量有效性的证据：（4） 在剩余的开发样本中对增量有效性的负面影响最小。利用上述方法，我们最初选择了 23 个项目，以包含在清单中，每个项目加权均等。一旦我们到达了不再能够识别任何进一步提高分数预测效用的新变量的点，我们检查了是否通过在被确定为顶级预测器的任何项目的总分中增加一个点来将重量增加一倍，从而进一步提高了 AUC 值。这一分析表明，富兰克林及其同事确定的4个顶级纵向预测器（3）的重量翻倍（即自杀未遂、精神病住院、NSSI和边缘人格障碍[BPD]）的终身史，进一步改善了1个或多个开发样本中的总体AUC值（见表2）。
达勒姆风险评分评估
中华民国曲线和物流回归分析用于评估DRS在整个样本中的歧视能力。信号检测分析用于识别最佳切分[52]并开发风险组，以方便对分数的解释。评估了风险集中度[23]，并计算了风险群体的尝试率、风险比率、20% 和 95% 的 CI。中华民国曲线也是按兴趣分组计算的，包括妇女、男子、黑人、白人、西班牙裔、低收入个人、年轻人、退伍军人、LGBTQ个人，以及有自杀念头和行为史和无自杀史的个人。
缺少数据
虽然我们强烈主张在大多数情况下采用多重计算和最大可能性估计方法来处理缺失，但我们选择在计算本研究中的 DRS 分数时将缺失数据视为缺失数据（即"0"），因为 （1） 此方法最能反映真实世界的临床实践：（2） 在不同的研究中系统地缺少一些变量，因为它们没有作为研究协议的一部分进行评估。这种方法的唯一例外是 VALOR 样本，该样本用于验证 DRS。 具体来说，因为 VALOR 研究协议只评估了 23 个样本中的 15 个（即 65%）用于计算 DRS 的变量、VALOR 分析仅限于参与的退伍军人（N = 780），提供后续尝试数据以及所有 15 个变量的完整数据，以确保 VALOR 分析的参与者缺少的数据不超过 35%。
措施
S1 文件中的表 B总结了用于评估 DRS 中跨研究的 23 个构造中的每一个项和措施。用于索引各种结构的措施包括经充分验证的结构访谈，如 C-SSRS[5]、SITBI[49]、DSM （SCID）[53]的结构化临床访谈、临床医生管理的 PTSD 量表 （CAPS）[54]、迷你国际神经精神病面谈 （MINI）][55]和酒精使用障碍和相关残疾访谈时间表 （AUDADIS）[56]，以及各种自我报告工具，包括酒精使用障碍识别测试 （AUDIT）[57]， 药物滥用筛查测试 （DAST）[58]，戴维森创伤量表 （DTS）[59]，患者健康问卷-9 （PHQ-9）[60]，创伤性生命事件问卷 （TLEQ）[61]，儿童期 创伤问卷 （CTQ）[62]，退伍军人兰德 12 项目健康调查 （VR-12）[63]， 生活事件清单 （LEC）[64]和症状检查表 -90 （SCL-90）[65]。研究特异性问卷[25-27，44-47]也用于评估在某些情况下的结构，特别是那些与人口特征相关的结构。
正如S1文件中的表B所示，在绝大多数情况下，用于评估DRS分数计算中所包括构造的所有具体项目都是在基线评估时评估的：然而，有8种情况中，至少一部分利益结构仅在第二波评估时进行评估。此类项目在S1 文件中的表 B 中以粗体清楚地标注。在每种情况下，在计算 DRS 分数的 23 项项目中，有 1 项包含后续波中的项目，在决定是否在计算 DRS 时使用特定示例中的特定变量之前，我们仔细考虑了特定项目的性质以及总体构造的性质。在每种情况下，如果在评估给定构造时都包含这种变量，我们认为，将特定项目的数据纳入其中是合理的，因为我们的总体目标是制定尽可能最好的自杀未遂风险清单，以加强临床护理。
这些实例大多发生在 NESARC 数据集中。例如，在NESARC基线评估时，没有对儿童性虐待、儿童身体虐待以及18岁之前被监禁或送往少年拘留中心进行评估。我们推断，鉴于在成年期间报告这些项目仍将涉及追溯性报告，即使这些项目是在基线评估期间管理的，在计算 DRS 分数时包括有关第 2 波这些重要童年经历的信息是合理的（虽然不理想）。来自第 2 波 NESARC 访谈的信息也用于对 PTSD、BPD 和 NSSI 进行索引。就创伤后应激障碍而言，面试官必须追溯性地确定PTSD的症状是否在基线访谈之前开始，以及它们是否从基线访谈到第2波访谈时出现。就 BPD 和 NSSI 而言（这是 BPD 访谈的一部分），由于 BPD 是一种人格障碍，应在成年早期出现，NESARC 面试官被指示经常在 BPD 问题（包括 NSSI）之前使用"您一生中的大部分时间，无论情况如何或您与谁在一起......"。鉴于提出这些问题的方式，以及BPD和NSSI是自杀未遂的最强预测因素之一[3，35]，我们认为将这些项目纳入DRS分数计算中至关重要。在NESARC基线评估时也没有对性取向进行评估。虽然我们认识到性取向会随着时间而改变，但考虑到系统地评估与自杀行为风险相关的这种结构的重要性[36]，我们认为在计算 DRS 分数时将 NESARC 第 2 波收集的性取向变量包括在内萨克（NESARC Wave 2）中也很重要。
我们充分认识到与将横截面评估的变量子集纳入旨在预测临床环境中自杀未遂情况的清单有关的问题，我们强烈希望只在当前分析中纵向评估变量：然而，这种做法将使我们无法包括自杀未遂的几个最成熟的纵向预测因素（例如NSSI）[3]。为了认识到这一具有挑战性的情况，我们在 NESARC 数据集中进行了敏感性分析，以评估这些变量被排除在分数计算之外时 DRS 的性能。正如随后在下面的结果部分所述，我们高兴地发现，这种敏感性分析表明，当将第 2 波收集的所有变量排除在分数计算之外时，DRS 在 NESARC 验证队列中继续表现良好（AUC = 0.86），这表明，无论是否包括横截面评估的项目，DRS 的核心衡量标准实际上是自杀未遂的有力潜在预测。
在 VALOR 样本中还对 NSSI 的终身历史进行了横截面评估。然而，本研究的面试官再次被要求确定参与者的NSSI历史是否在基线访谈之前存在，只有那些在基线面试之前被追溯确定从事NSSI的个人在基线面试时被编码为有终身NSSI的历史。鉴于在 VALOR 中评估 NSSI 的方式，以及 NSSI 对自杀未遂风险预测的重要性[3]，我们认为，鉴于我们制定最佳临床评估以促进对高危人群的识别的主要目标，纳入这些数据也是合理的。
结果
描述性统计和分数分布
不同样本的 DRS （图 1） 的描述性统计数据在表 1中提供。正如自杀未遂风险评分的预期，DRS在整体样本中呈正偏斜（1.7）和4.7（S1文件中的图B）：然而，在后续期间进行潜在自杀企图的288人中，DRS分数通常分布（M = 9.9：SD = 4.4;偏斜 = 0.33;结核 = ?0.7;范围： 1 至 22; S1 文件中的图 C）。
物流回归分析
进行了物流回归分析，以检查连续 DRS 分数的预测效用，作为样本中潜在自杀企图的预测工具 （表 3）。这些分析揭示了在合并开发中，DRS 分数（OR = 1.48、1.43 到 1.53、p < 0.001） 中增加风险的一致模式： 纳格尔克尔克伪R2= 0.27） 和验证样本（OR = 1.51， 1.46 至 1.56， p < 0.001;纳格尔克尔克伪R2=0.29）。因此，对于 DRS 的每一个额外加分，在合并开发和验证组中，进行潜在自杀尝试的几率都会增加约 50%。
表3。物流回归结果摘要。
https://doi.org/10.1371/journal.pmed.1003713.t003
接收器操作特征曲线分析
中华民国分析显示，在联合开发样本中，DRS 总分（总N = 17，630：表4）是0.91 （0.89 至 0.93;图 2A）。更重要的是，DRS 在开发分析中排除的 3 个验证样本（联合验证样本 AUC = 0.92、0.90 至 0.94、N = 18，024） 中继续表现出卓越的歧视能力; 表4，图2A），表明我们的仪器开发方法成功地防止了过度装配[50]。
· 下载
· 原始图像
图 2.DRS 在参与者子集上的 ROC 曲线。
图2a：DRS在联合开发和验证组中的中华民国曲线。黑线=开发队列：红线=验证队列。图2b：开发和验证组中风险群体的中华民国曲线。黑线=开发队列：红线=验证队列。图2c：男女参与者中DRS的中华民国曲线。黑线=男人;红线=女人。图2d：白人、黑人和西班牙裔参与者中DRS的ROC曲线。黑线=白色参与者;红线=黑色参与者：蓝线=西班牙裔参与者。图2e：退伍军人、低收入者、年轻人和LGBTQ参与者中DRS的中华民国曲线。黑线=资深参与者;红线=低收入参与者;蓝线=35岁以下的参与者;橙色线=LGBTQ参与者。AUC，曲线下的区域;DRS，达勒姆风险评分;Lgbtq， 女同性恋， 男同性恋， 双性恋， 变性人， 和奇怪的或质疑;中华民国，接收机操作特点。
https://doi.org/10.1371/journal.pmed.1003713.g002
下载：
表4。DRS 曲线下的区域以及参与者样本和子集中的风险组状态。
https://doi.org/10.1371/journal.pmed.1003713.t004
子组分析
基于小组的中华民国分析（表4，图2C+2E）显示，DRS在女性（AUC =0.91，0.89至0.93），男性（AUC =0.93， 0.90 至 0.95），黑色 （AUC = 0.92，0.88 到 0.96），白色 （AUC = 0.93， 0.91 到 0.95）， 西班牙裔 （AUC = 0.89， 0.86 到 0.93）， 退伍军人 （AUC = 0.91， 0.89 至 0.94）、低收入个人（AUC = 0.90、0.88 至 0.92）、年轻人（AUC = 0.88、0.85 至 0.91）和 LGBTQ 个人（AUC = 0.88、0.81 至 0.94）。此外，不出所料，有自杀念头或行为史的参与者（N = 3，489）更有可能做出潜在的自杀企图（4.8%对0.4%）：或= 13.3， 10.5 至 16.9， p < 0.001） 比那些没有自杀想法或行为史在基线;然而，即使在这个高风险子组中，DRS 也表现出了良好的效用（AUC = 0.82、0.79 到 0.85;图 2F）。我们进一步观察到，42%的潜在自杀企图发生在那些在基线评估时没有自杀念头或行为终生记录的人身上。值得注意的是，DRS （AUC = 0.88， 0.85 至 0.91;图2F）也表现良好，在这个重要的，但研究不足的子组。
风险集中
风险分析（23）的集中发现，在所有35，654名参与者中，82%的观察到的自杀未遂发生在DRS得分最高的15%的个人中：58%发生在前5%：27%发生在前1%（图3）。
下载：
图 3.所有参与者都面临自杀未遂的风险集中（N = 35，654）。
博士，达勒姆风险评分。
https://doi.org/10.1371/journal.pmed.1003713.g003
信号检测分析
信号检测分析用于识别同时最大化灵敏度和特异性的切分，在典型的临床筛查情况下（表 5）是合适的。对于需要单个临床切分来识别高危人群的情况，我们建议削减分数为 6 或更高（对应于中度风险组状态或大约最高 15% 的分数），因为该分数具有最高的总 J 统计[52]（即 Youden 指数 = 0.68），并最大限度地提高了两个灵敏度 （82%）和特殊性 （86%）。6 的切分还产生了 4% 的 PPV 和 100% 的负预测值 （NPV）。相比之下，对于首选较高 PPV 级别的情况， 削减分数为 9 或更高（对应于高风险群体状态或大约最高 5% 的分数）导致特异性为 96%，灵敏度为 58%，PPV 为 10%，NPV 为 100%，而削减分数为 1 15 或更高（对应于最高风险群体状态或大约最高 0.5% 的分数）导致特异性为 100%，灵敏度为 18%，PPV 为 27%，NPV 为 99%（表 5）。
下载：
表5。总样本中不同 DRS 截止点的信号检测分析摘要（N = 35，654）。
https://doi.org/10.1371/journal.pmed.1003713.t005
自杀未遂风险群体
为了便于对分数进行快速解释，根据上述信号检测分析，确定了自杀未遂风险组，这些风险组似乎与自杀未遂风险的临床意义增加相对应。 S1 文件中的表 C按风险组状态提供总样本的尝试率、赔率和预测概率（N = 35，654）。发展样本中风险组状态的 AUC 为 0.90（0.87 至 0.92），验证样本中的 AUC 为 0.91（0.88 至0.93），表明我们的 6 组分类系统在预测未来尝试方面几乎与 DRS 总分相同。此外，正如预期的那样，每增加一个群体水平都与风险显著增加有关（表3）。例如，在高危人群中，进行潜在自杀未遂的几率要高出1，800倍以上（得分最高为0.6%;自杀未遂率为=32.0%）相对于风险最低的群体（得分最低43.5%;自杀未遂率=0.03%）在验证队列中（OR = 1，845.6， 433.6 至 7，855.3， p < 0.001;表3）。值得注意的是，与 DRS 总分一样，风险组状态似乎给参与者带来类似的风险增加，无论他们是否在基线评估时报告了自杀想法或行为史（表 4，图 4）。
图4。有自杀念头和行为史的参与者中风险群体状态的尝试率（N = 35，654）。
https://doi.org/10.1371/journal.pmed.1003713.g004
敏感性分析，以检查在第 2 波评估的变量的影响
为了评估 NESARC 研究中第 2 波评估的变量对 DRS 性能的潜在影响，进行了敏感性分析，其中将第 2 波中的 7 个项目（即性虐待/攻击、儿童身体虐待、青少年拘留史、NSSI、BPD、PTSD 和 LGBTQ 状态）排除在 DRS 分数的计算之外。请注意，这些分析的暴力和监禁终身历史计算中也删除了项目#W2S11Q6A（第2波也进行了评估）。因此，在这些感性分析中用于计算 DRS 的所有变量都是在第 1 波访谈时和在第 1 波和第 2 波之间发生任何潜在自杀企图之前评估的。此分析（S1 文件中的表 D）显示，完全基于基线评估期间收集的变量的 DRS 的缩写版本在合并的 NESARC 验证队列（即 NESARC 3 和 NESARC 4，合并N = 17，244）中继续表现良好（AUC = 0.86）。
评估的项目数量与 AUC 值之间的关联
在 6 个样本中评估的项目数量和 AUC 值之间观察到强大的正相关关系（r = 0.94，p = 0.006;见S1 文件中的图D1）。因此，我们建议，尽可能使用 DRS 的临床医生和研究人员使用评估时可用的最可靠和有效的评估方法系统地评估和评分所有 23 个项目（有关其他详细信息，请参阅S1 达勒姆风险评分指南）。我们还评估了项目数量与 AUC 值与包含的 4 个额外灵敏度样本（S1 文件中的图 D2）之间的关联，并观察到评估的项目数量与 AUC 值之间仍然存在强大的正关联（r = 0.83，p = 0.003）。 此外，从S1 文件中的表 D和图 D2 中可以看出，4 个 NESARC 敏感度样本（AUC 范围：0.85 至 0.87）中有 3 个 AUC 值高于 VALOR 样本的 AUC 值（0.82），后者也只评估了 15 个项目。因此，NESARC敏感性分析中观察到的较低的 AUC 值（即在计算总分时只包含 15 个项目）与根据评估项目与 AUC 值之间观察到的正关联而预期的结果模式高度一致。
情绪障碍之外发生的自杀未遂预测
在同行评审过程中， 评论者指出，我们选择利用NESARC访谈中低情绪部分的问题来定义潜在的自杀企图（即，"在上次面试以来的那段时间里（你的情绪处于最低点/你喜欢还是最不关心事情），你是否试图自杀？为了解决这一重要的潜在限制，我们进行了额外的敏感性分析，利用了NESARC第2波评估中未用于开发DRS的一组问题。 具体来说，在NESARC第2波访谈的不同部分，参与者还被问及，"在你的一生中，你曾经试图自杀吗？"如果参与者回答肯定，那么他们还会被问到"你第一次多大了？[22].虽然一些有兴趣开发NESARC内自杀未遂预测模型的研究人员将其主要结果定义为最近一次尝试发生在参与者年龄为3年之内的第2波[22]，但我们选择利用第2波访谈的低情绪部分的问题来开发DRS，因为（1）它特别询问了自第1波访谈以来发生的自杀未遂事件：（2） 第 1 波和第 2 波之间的天数是可变的，因此无法确定在第 1 波评估之后是否在参与者年龄 3 年内确实发生了自杀未遂事件：（3） 采访中低情绪部分的自杀未遂问题实际上确定了更多潜在的自杀企图 （241 对 222） 。
为了评估我们选择使用 NESARC 低情绪部分的自杀未遂问题作为我们的主要结果变量的潜在影响，我们在 NESARC 验证组合中计算了 DRS 的 ROC 曲线（即， NESARC 3 和 NESARC 4，结合N = 17，244）使用 3 种不同的结果：（a） 自上次访谈以来，根据第 2 波访谈的低情绪部分（即我们用于开发 DRS 的原始操作定义）发生的自杀未遂事件，导致 122 起自杀未遂案件和 17，122 起控制 NESARC 验证组的合并：AUC = 0.92， 0.89 至 0.94;（b） 最近的自杀未遂发生在参与者年龄在3年之内，在第2波[22]，导致121起自杀未遂案件和17 123起控制，AUC = 0.91，0.88至0.93：和 （c） 通过这两种方法确定的自杀未遂，导致 175 起自杀未遂案件和 17，069 起控制，AUC = 0.91，0.88 至 0.93。因此，在这 3 个不同的自杀未遂定义中，DRS 的 AUC 值非常相似，从 0.91 到 0.92 不等，并且具有高度重叠的 95% CIs。还应当指出，自杀未遂事件没有在REHAB或VALOR的情绪障碍背景下进行评估。因此，我们的初步发现表明，DRS在确定未来在情绪障碍之外发生的自杀企图的风险方面同样有效。
DRS 与物流回归的比较– 衍生风险评分
在同行评审过程中，审阅者注意到我们采用的简单计分方法的吸引力，因为临床医生很容易手动计算，但审查者要求我们探讨直接从物流回归模型中得出的更具体的权重是否会进一步提高 NESARC 样本中 DRS 的预测性能。因此，我们对用于计算 NESARC 合并开发队列中的 DRS 的 23 个变量（即 NESARC 1 和 NESARC 2，合并N = 17，397）进行了额外的物流回归。如S1文件中的表E所示，与物流回归模型中潜在的自杀企图关联最密切的变量包括BPD（AOR = 5.87， 3.65 至 9.43，p < 0.001），终身 NSSI（AOR = 3.52，2.12 至 5.85，p < 0.001），LGBTQ 状态（AOR = 3.18， 1.66 至 6.11， p = 0.001）， 终身精神病住院（AOR = 2.58， 1.47 至 4.50， p = 0.001）， 和不良感知健康（AOR = 2.07， 1.32 至 3.25， p = 0.001）. 相比之下，物流回归模式中与潜在自杀企图联系最弱的变量包括过去一年的精神病住院、终身情绪障碍、每周酗酒、收入较低以及高中教育程度较低（所有p's> 0.45）。其次，我们使用 NESARC 开发队列中进行的物流回归模型的回归系数作为 23 个变量的风险评分权重。然后，我们计算了 ROC 曲线，以比较 DRS 的预测有效性与 NESARC 验证队列中的物流回归- 衍生风险评分（即 NESARC 3 和 NESARC 4，合并后为 N = 17，244），其中包括 122 起自杀未遂案件和 17，122 项控制。这一分析表明，DRS（AUC = 0.92，0.89 到 0.94）的表现与物流回归- 衍生分数（AUC = 0.91，0.88 到 0.94）非常相似，尽管使用了更简单的评分方法。此外，DeLong 测试证实，这 2 种型号的 AUC 没有显著差异（z = 0.66，p = 0.51），为我们的整体测量开发方法提供了额外的支持，这最大限度地提高了预测效用，同时仍然为临床医生提供了一种简单的评分方法，可以手工计算。医学论文发表-
与萨德人规模的比较
在同行评审过程中，审阅者还要求我们在同一数据集内直接比较 DRS 和 SPS[12]。SPS 是帕特森及其同事于 1983 年（12）开发的首字母缩略词和助记符设备，旨在指导对自杀风险的评估。该比例表被广泛使用[11]，并专门开发，教医科学生如何评估自杀风险[12]。在评估时，临床医生认为存在的10个危险因素中，每位患者各分配1分。待评估的具体风险因素包括：S ex、A ge、D抑制、P可恶的尝试、E比奥滥用、R非故意思维损失、缺乏Social支持、Organ化计划、No配偶和S病[12]。我们在 NESARC 样本中为 SPS 开发了评分，因为这项研究包括了对 10 个 SPS 项目中的 9 个项目的合理评估（见S1 文件中的表 F，了解 NESARC 中 SPS 评分程序的详细信息）。NESARC 中唯一没有直接评估的项目是"组织计划"，为此我们取代了终身自杀念头，值得注意的是，在开发样本中，AUC 的整体双变量排名第二（平均 AUC = 0.72;见S1 文件中的表 A）。SPS（M = 2.8;SD = 1.6;范围： 0 到 10） 在 NESARC 验证组合组（合并N = 17，244）中展示了 0.74 （0.69 到 0.79） 的 AUC，这比之前的一些研究[13]显示的性能更好：然而，在NESARC验证组（AUC=0.72， 0.66 到 0.77）， 明显低于 DRS 的 AUC （AUC = 0.92， z = 8.2， p < 0.0001）， 表明 DRS 在预测 NESARC 验证队列中未来的自杀未遂事件方面明显优于 SPS。
讨论
综合起来，本研究的结果表明，DRS是一个很有前途的新工具，有可能提高临床医生识别未来自杀未遂风险的个人的能力。如上所述，最近的研究表明，无论是临床判断[10、19]，还是现有的自杀风险评估，都不足以准确预测未来的自杀企图[3、4、10、13、14、17]。Belsher及其同事（24岁）进一步指出，目前的风险模型在敏感性和特殊性之间平衡不佳。因此，我们建议的典型筛查情况（对应于中度风险群体状态或更高）的 6 分，会产生 82% 的敏感值，而 86% 的特异性值，这是非常令人鼓舞的，因为我们相信这些值代表了自杀未遂风险筛查的敏感性和特异性之间的合理平衡。
重要的是，这些值也超过了Runeson及其同事（17）提出的指导临床决策的准则。它们还超过了 Ross 及其同事（66）确定的阈值精度值，因为自杀风险预测与主动接触和后续干预相结合，从医疗保健行业的角度来看具有成本效益。此外，DRS 的切分为 9 或更高（对应于高风险群体状态或大约最高 5% 的分数）会产生特异性（96%）、灵敏度（58%）和 PPV（10%）超过 Ross 及其同事（66）确定的成本效益阈值准确值的值，是将自杀风险预测与更密集（和昂贵的）认知行为治疗干预相结合的必要因素。因此，虽然还需要做更多的工作来评估 DRS 在实际医疗保健环境中的效用，但我们的初步发现表明，DRS 具有以具有成本效益的方式显著提高患者临床护理的潜力。
对现有自杀风险评估方法的另一个常见批评是，它们未能为临床医生提供概率评分来指导决策[24]。此外，虽然一些现有的临床评估（例如，SPS[12]）为不同的风险评分提供了临床指南，但这些评分表的相对差的表现表明，这种指导可能是毫无根据和不恰当的[13]。因此，DRS的另一个优势是，它为临床医生提供了一种将患者试图自杀的风险有效分类为6个不同风险组中的1个的方法，每个后续风险组与将来自杀未遂的可能性增加相对应。重要的是，风险组状态对联合验证组中的自杀未遂（AUC = 0.91）具有高度预测性，这表明这些风险组实际上与临床上有意义的风险增加相对应。这些风险群体临床效用的进一步证据来自以下事实：风险最低（占样本总数的44.6%）和低风险人群（占样本总数的40.6%）的自杀未遂率（分别为0.03%和0.3%）远低于美国全国平均水平，目前每年为0.6%[67]。相比之下，在中度风险（2%）、高风险（6%）、非常高风险（12%）和最高风险（27%）中观察到的尝试率： S1 文件中的表 C）集团都大大高于美国的年增长率。事实上，在验证组中，我们观察到，与风险最低的群体相比，在高风险群体中，进行潜在自杀未遂的几率要高出1，800倍以上（或=1，845.6：p < 0.001;表3），为这6组分类系统的临床效用提供有力支持。这6个自杀未遂风险类别可以快速有效地从原始分数中得出，这是DRS的另一个特别值得注意的力量。
为了进一步阐述目前的发现，值得注意的是，在所有检查的样本和子组中观察到的DRS的AUC值最低（0.82：表4）相当于最大的C统计（0.82;AUC 等价物）在最近的元分析中报告了弗雷明厄姆风险评分的所有外部验证（范围：0.55 到 0.82）[28]。相比之下，如上所述，多项研究表明，AUC对现有自杀未遂风险评估（包括最近开发的牛津精神疾病和自杀工具[68]的值通常接近或低于 0.72[3、4、10、13、68]。此外，将DRS与SPS（12]）直接比较——世界上最常用的自杀风险评估之一[11]——证实DRS在NESARC验证组合中明显优于这一广泛使用的自杀风险算法（AUC：0.92与0.74：z = 8.2， p < 0.0001）.
虽然在没有与其他现有自杀未遂风险评估模型进行直接比较的情况下，无法得出任何结论，但我们的初步发现表明，DRS 的诊断准确性可能高于许多现有自杀未遂风险评估模型[3、4、10-13、68]的准确性，并且与其他广泛实施的临床算法[11、12、28]类似或更好。值得注意的是，联合验证组中 DRS 的 AUC 与最近发布的机器学习自杀未遂风险算法的交叉验证 AUC 相似，该算法来自来自近 3，000 种不同基线特征[22]的相同组别。因此，我们的初步发现表明，DRS 的诊断准确性可能也与在同一人群中开发的基于机器的模型（22）相似，尽管它包含的项目要少得多，并且可以由临床医生手动计算。医学论文发表-
研究局限性和未来方向
然而，还应强调，目前的发现完全基于对严格收集的、前瞻性研究数据的二次分析。因此，目前还不清楚当前发现对其他设置（包括临床设置）的概括程度。因此，还需要进行更多的前瞻性研究，以验证独立样本中的 DRS，并确定如何最好地评估用于计算DRS的每个构造。与此相关的是，还必须指出，在临床医生完全依赖患者的临床印象来计算 DRS 分数的情况下，目前没有经验支持 DRS（而不是使用标准化仪器来评估 23 个 DRS 结构中的每一个）。因此，我们强烈建议希望在执业中使用 DRS 的临床医生遵守S1 达勒姆风险评分指南中提供的准则。
第二，如上文所述，NESARC 第 1 波评估期间未评估多个 DRS 变量（例如滥用历史记录）。我们最终认为，将这些变量纳入 DRS 是合理的，因为我们的明确目标是使最好的临床工具。此外，敏感性分析显示，DRS 在仅从第 1 波项目中计算时继续表现良好：然而，我们充分认识到，这仍然是目前工作的一个局限性，还需要做更多的工作来验证这些变量在研究中的效用，以便对这些变量进行前瞻性评估。
第三，目前还不清楚本研究的结果，完全来自同意参加纵向研究的参与者，可以向接受临床评估或寻求心理健康问题治疗的个人推广。人们可能会期望，一些接受自杀风险评估的人会不太愿意披露潜在的风险因素，包括自杀想法和行为的当前和以前的历史。当然，后一种关注也适用于目前几乎所有的临床自杀风险评估，因为几乎所有此类评估都依赖于参与者披露自杀想法和计划的意愿。此外，DRS 的一个优势是，大部分分数来自基于人口和精神病学的风险因素，从理论上讲，这些因素应该比通常完全依赖参与者自杀想法和行为报告的传统风险评估更有力地进行少报。
第四，我们认识到 DRS 包含许多项目，在某些设置中，管理可能不实际。因此，我们正在积极努力开发该措施的缩写版本。第五，虽然我们强烈主张在大多数情况下采用多重计算和最大可能性估计方法来处理缺失，但我们选择在计算本研究中的 DRS 分数时将缺失数据视为缺失数据（即"0"），因为此方法最能反映真实世界的临床实践。此外，我们坚信，在几乎任何临床情况中都可以计算和解释的原始自杀未遂风险评分的好处远远大于使用更先进的方法处理缺失的好处。
最后，需要做更多的工作来开发更准确的短期风险模型（例如，1周或1个月的模型）。虽然 DRS 无法实现这一目标，但我们认为，确定长期自杀未遂风险是开发更精确的急性风险模型的关键第一步。具体来说，与流体脆弱性理论（30）和更普遍的诊断-压力模型一致，我们假设在DRS得分较高的个人将拥有更高的"设定点"，在面临高度压力的情况下，比得分较低的个人更有可能尝试自杀。虽然这项工作超出了本研究的范围，但我们希望，今后在这一重要研究领域的前瞻性研究将导致对急性风险的预测得到改善，不幸的是，目前这种预测仍然严重不足。
临床影响
虽然临床医生最终必须确定哪些治疗最适合他们的患者，但应考虑与任何在 DRS（即中度风险组状态或更高）得分为 ≥6 的患者一起制定安全计划[69]的想法，因为这种简短的干预已证明可显著减少未来自杀行为[70]的发生。此外，如上所述，Ross及其同事最近的研究表明，特异性（86%）、敏感性（82%）和PPV值（4%）DRS 的切分为 6 或更高，超过了通过安全规划和后续行动实施自杀风险预测所需的阈值精度值。还应考虑确保高危人群的患者能够获得更密集和长期的认知行为治疗方法，这些方法也已被证明能够减少自杀行为的发生[71-72]。重要的是，DRS（对应于高风险群体状态或大约最高 5% 的分数）的削减分数为 9 或更高，可产生特异性（96%）、灵敏度（58%）和 PPV（10%）超过 Ross 及其同事（66）确定的阈值精度值的值，对于自杀风险预测与自杀预防认知行为疗法相结合，从医疗保健行业的角度来看具有成本效益是必要的。
另一方面，临床医生还必须认识到，DRS不评估急性风险，因为后者的确定需要深入审查目前的自杀想法、意图、计划、可行性、获得手段的机会和当前压力因素（除其他外）。因此，绝不应将DRS作为确定迫在眉睫的自杀风险或民事承诺需要的唯一依据。相反，支持最近自杀想法或行为的个人应始终评估意图和其他未包含在 DRS 中的急性风险指标。在可能的情况下，我们建议将 DRS 与现有的评估和摄入做法相结合，因为大多数 DRS 项目通常由心理健康临床医生进行评估。尚未评估的构造可能会增加，对心理健康临床医生和客户来说，额外的负担相对较少。使 DRS 成为常规做法的一部分的另一个好处是，强制性清单已被证明可以增加风险适当治疗的发生，同时减少医疗保健差异[73]。值得注意的是，在心理健康和自杀风险评估（74）的应用方面存在有据可查的差异，这些差异有可能通过基于 DRS 的临床决策支持模型消除。
最后的临床考虑涉及我们的发现，在随访期间，42%的潜在自杀企图发生在那些没有自杀念头或行为终生有自杀史的人中。这一重要发现说明了临床医生在试图分层患者未来自杀行为的风险时通常面临的巨大挑战，因为目前绝大多数自杀风险筛查主要依赖于患者目前对自杀想法和行为的认可。相比之下，DRS开发中采用的方法是关注各种纵向风险因素。重要的是，DRS 总分和风险群体状态在有自杀念头或行为终生或无自杀史的个人中表现良好，我们相信这为我们仪器开发的一般方法提供了强有力的支持。
结论
总之，我们的发现表明，DRS是一种有希望的新的、基于证据的自杀未遂风险评估方法。虽然需要更多的研究来在独立样本和临床环境中对该工具进行前瞻性评估，但我们的初步发现令人鼓舞，并表明这种新方法有可能显著提高临床医生识别未来自杀未遂风险的个人的能力。
免责 声明
本文所表达的观点是作者的观点，并不一定反映美国退伍军人事务部、美国国防部、美国政府或任何其他附属机构的立场或政策。
支持信息
TRIPOD，个人预后或诊断的多变预测模型的透明报告。
显示 1/3： pmed.1003713.s001.docx
跳到无花果共享导航
无花果份额
S1三脚架清单。TRIPOD，个人预后或诊断的多变预测模型的透明报告。
https://doi.org/10.1371/journal.pmed.1003713.s001
（文档）
S1 达勒姆风险评分指南。自杀未遂风险清单旨在评估患者在未来 3 年内自杀的风险。
https://doi.org/10.1371/journal.pmed.1003713.s002
（文档）
表 A： 在 3 个开发样本中，双变 AUC 值和经验证据评分。表B：用于评估DRS中所列构造的措施。 表C：总样本中按风险组状态分布、自杀未遂率、几率和预测概率（N = 35，654）。表 D：AUC 值与在样本中评估的项目数量之间的关联。表E：在NESARC 1和2开发样本（N = 17，397）中进行的物流回归摘要。表F：用于计算NESARC研究中SAD人员分数的项目。图 A：在开发样本中，总经验证据分数与平均 AUC 值之间的关联。图 B： Drs 的分布图 C： 在随访期间自杀未遂的参与者之间分配 Drs（N = 288） 。图 D：项目数量与 AUC 值之间的关联。AUC，曲线下的区域;DRS，达勒姆风险评分;国家酒精及相关疾病流行病学调查。
https://doi.org/10.1371/journal.pmed.1003713.s003
（文档）
引用
00001. 1.世界卫生组织。世界上的自杀：全球估计。2019年9月9日 [引用2021年4月4日]。内容： 出版物 [互联网] 。提供自： https://www.who.int/publications/i/item/suicide-in-the-world.
· 查看文章
· 谷歌学者
00002. 2.赫德加德 H， 柯廷 Sc， 华纳 M. 自杀死亡率在美国， 1999 - 2019.NCHS 数据摘要号 398。2021年2月[引用2021年4月4日]。在数据简报[互联网]中。提供自： https://www.cdc.gov/nchs/products/databriefs/db398.htm#:~:text=This%20 报告% 20 高光% 20 趋势% 20 英寸， 比 % 20 率% 20 英寸% 202018.
· 查看文章
· 谷歌学者
00003. 3.富兰克林 Jc， 里贝罗 Jd， 福克斯 Kr， 宾利 Kh， 克莱曼 Em， 黄 X， 等等。自杀想法和行为的危险因素：50年研究的元分析。心理牛。2017年2月;143（2）：187–232。下午：27841450
· 查看文章
· 酒吧/国家比
· 谷歌学者
00004. 4.古铁雷斯 Pm. 基于证据的自杀评估： 临床医生和决策者的指导。2019年7月8日。[引用 2021 年 4 月 4 日]。在Cyber_Seminars[互联网]。提供自： https://www.hsrd.research.va.gov/for_researchers/cyber_seminars/archives/video_archive.cfm?SessionID=3594.
· 查看文章
· 谷歌学者
00005. 5.波斯纳 K， 布朗 Gk， 斯坦利 B， 布伦特达， 耶尔肖娃 Kv， 奥昆多马， 等等。哥伦比亚-自杀严重程度评级尺度：来自青少年和成人的三项多网站研究的初始有效性和内部一致性结果。我是J精神病学。2011年12月;168（12）：1266–77。下午：22193671
· 查看文章
· 酒吧/国家比
· 谷歌学者
00006. 6.美国食品和药物管理局。行业指导：自杀观念和行为：临床试验中发生情况的前瞻性评估。2012年8月[引用2021年4月4日]。在监管信息[互联网]中。提供自：https://www.fda.gov/regulatory-information/search-fda-guidance-documents/guidance-industry-suicidal-ideation-and-behavior-prospective-assessment-occurrence-clinical-trials。
· 查看文章
· 谷歌学者
00007. 7.古铁雷斯 Pm， 奥斯曼 A， 巴里奥斯外汇， 科珀巴。自我伤害行为问卷的发展与初步验证。J 佩尔斯评估。2001年12月;77日（3）：475–90。下午：11781034
· 查看文章
· 酒吧/国家比
· 谷歌学者
00008. 8.奥斯曼A，巴格CL，古铁雷斯下午，科尼克LC，科珀BA，巴里奥斯外汇。自杀行为问卷修订 （SBQ-R）： 用临床和非临床样本进行验证。评估。2001年12月8日（4):443–54.下午：11785588
· 查看文章
· 酒吧/国家比
· 谷歌学者
00009. 9.贝克 · 阿特， 斯特 · 拉贝克自杀想法规模手册。圣安东尼奥，德克萨斯州：心理公司;1991.
00010. 10.兰德尔 · 杰， 萨琳 J， 城堡 D， 博尔顿 Jm 。预测未来自杀：临床医生的意见与标准化评估工具。自杀生命威胁贝哈夫2019年8月;49（4）：941–51。下午：29920749
· 查看文章
· 酒吧/国家比
· 谷歌学者
00011. 11.昆利万 L， 库珀 J， 斯蒂格 S， 戴维斯 L， 霍顿 K， 冈内尔 D， 等等。预测自残后风险的尺度：英国32家医院的观察性研究。BMJ 开放。2014年5月2日：4（5）：e004732。下午：24793255
· 查看文章
· 酒吧/国家比
· 谷歌学者
00012. 12.帕特森 Wm， 多恩 Hh， 鸟 J， 帕特森 Ga. 自杀患者的评估： 悲伤的人规模。心理上。1983年4月24日（4）：343，348+5，9。下午：6867245
· 查看文章
· 酒吧/国家比
· 谷歌学者
00013. 13.斯蒂格 S， 昆利万 L， 诺兰 R， 卡罗尔 R， 凯西 D， 克莱门茨 C， 等等。预测重复自残和自杀的风险量表的准确性：使用常规临床数据进行的多中心、人群级的群体研究。BMC精神病学。2018年4月25日：18（1）：113。下午：29699523
· 查看文章
· 酒吧/国家比
· 谷歌学者
00014. 14.博尔顿 Jm， 斯皮瓦克 R， 萨琳 J. 预测自杀未遂与悲伤的人规模： 纵向分析。J 克林精神病学。2012年6月;73日（6）：e735–41。下午：22795212
· 查看文章
· 酒吧/国家比
· 谷歌学者
00015. 15.库珀 J， 卡普尔 N， 邓宁 J， 古斯里 E， 苹果比 L. 麦克韦 - 琼斯 K 。自我伤害后评估风险的临床工具。安·埃默格·梅德 2006年10月;48日（4）：459-66。下午：16997684
· 查看文章
· 酒吧/国家比
· 谷歌学者
00016. 16.斯蒂格 S， 卡普尔 N， 韦伯 R， 苹果盖特 E， 斯图尔特 Sl， 霍顿 K， 等等。开发一种针对自残重复和自杀的人口级临床筛查工具：《自我伤害再反应规则》。心理医生 2012 年 11 月 42 日 （11）： 2383 - 94 。下午：22394511
· 查看文章
· 酒吧/国家比
· 谷歌学者
00017. 17.鲁恩森 B， 奥德伯格 J， 佩特森 A， 埃德博姆 T， 吉尔德维克亚当斯森一世， 沃恩 M. 仪器评估自杀风险： 系统审查评估证据的确定性。一号2017年7月19日：12（7）：e0180292。下午：28723978
· 查看文章
· 酒吧/国家比
· 谷歌学者
00018. 18.美国精神病学协会自杀行为患者评估和治疗的实践指南。2003年11月[引用2021年4月4日]。在实践指南[互联网]中。提供自：https://psychiatryonline.org/guidelines。下午：14649920
· 查看文章
· 酒吧/国家比
· 谷歌学者
00019. 19.伍德福德 R， 斯皮塔尔 Mj， 米尔纳 A， 麦吉尔 K， 卡普尔 N， 皮尔基斯 J， 等等。临床医生预测未来自我伤害的准确性：预测研究的系统回顾和元分析。自杀生命威胁贝哈夫2019年2月;49日（1）：23-40。下午：28972271
· 查看文章
· 酒吧/国家比
· 谷歌学者
00020. 20.伊德里斯 F， 拉贾拉詹 M， 康蒂 M， 陈 Tm， 拉胡拉马塔万 Y. PIndroid： 一个新的 Android 恶意软件检测系统使用合奏学习方法。计算安全。2017;68:36–46.
· 查看文章
· 谷歌学者
00021. 11M麦卡锡 Jf， 博萨特 Rm， 卡茨 Ir， 汤普森 C， 坎普 J， 汉尼曼 Cm， 等等。 自杀风险的预测建模和集中： 对美国退伍军人事务部预防性干预的影响。我是J公共卫生。2015年9月;105（9）：1935-42。下午：26066914
· 查看文章
· 酒吧/国家比
· 谷歌学者
00022. 12M加西亚德拉加尔扎 -， 布兰科 C， 奥尔夫森 M， 墙 MM. 使用机器学习进行美国全国调查时对自杀未遂风险因素的识别。贾玛精神病学。2021年1月6日：e204165。下午：33404590
· 查看文章
· 酒吧/国家比
· 谷歌学者
00023. 13M西蒙通用电气，约翰逊E，劳伦斯JM，罗森RC，艾哈迈达尼B，林奇FL等人预测自杀未遂和自杀死亡后门诊访问使用电子健康记录。我是J精神病学。2018年10月1日：175（10）：951–60。下午：29792051
· 查看文章
· 酒吧/国家比
· 谷歌学者
00024. 24.贝尔舍贝， 斯摩伦斯基 Dj， 普鲁伊特 Ld， 布什 Ne， 比奇 Eh， 工作人 DE， 等等。 自杀未遂和死亡的预测模型： 系统审查和模拟。贾玛精神病学。2019年6月 1：76 （6）：642–51.下午：30865249
· 查看文章
· 酒吧/国家比
· 谷歌学者
00025. 15M格兰特· Bf， 道森 · 达酒精及相关疾病国家流行病学调查介绍。酒精恢复健康。2006;29:74–8.
· 查看文章
· 谷歌学者
00026. 16M阿德基森 K， 坎宁安 Kc， 德德特 Ea， 丹尼斯 Mf， 卡尔霍恩 Ps， 埃尔博根 Eb， 等人大麻使用障碍和部署后自杀企图在伊拉克 / 阿富汗 - 埃拉退伍军人。拱形自杀 Res. 2019 十月 - 12 月;23 （4）： 678–87.下午：29952737
· 查看文章
· 酒吧/国家比
· 谷歌学者
00027. 17M李DJ，卡恩斯JC，威斯科贝，绿色JD，格拉杜斯JL，斯隆DM等。对持久自由行动和伊拉克自由行动退伍军人自杀未遂危险因素的纵向研究。抑制焦虑。2018年7月;35日（7）：609–18。下午：29637667
· 查看文章
· 酒吧/国家比
· 谷歌学者
00028. 28.达门贾， 帕朱赫什尼亚 R， 赫斯 P， 月亮克姆， 雷特斯马 Jb， 肖尔滕 Rjpm， 等等。Framingham 风险模型和用于预测心血管疾病 10 年风险的汇总队列的性能：系统回顾和元分析。BMC Med. 2019 六月 13：17 （1）：109.下午：31189462
· 查看文章
· 酒吧/国家比
· 谷歌学者
00029. 29.范卡， 维特 Tk， 库克罗维奇 Kc， 布雷斯韦特 Sr， 塞尔比 Ea， 小乔纳特。自杀的人际理论。心理 Rev. 2010 4月 117 （2）： 575–600.下午：20438238
· 查看文章
· 酒吧/国家比
· 谷歌学者
00030. 30.陆克文流体脆弱性理论：理解急性和慢性自杀风险过程的认知方法。在：埃利斯TE，编辑。认知与自杀。华盛顿特区：美国心理学会;2006. p. 355-368.
00031. 31.法泽尔 S， 鲁尼森 B. 自杀。N Engl J Med. 2020 1 月 16：382 （3）： 266–74.下午：31940700
· 查看文章
· 酒吧/国家比
· 谷歌学者
00032. 32.奥尔夫森 M， 墙 M， 王 S， 水晶 S， 格哈德 T， 布兰科 C. 自杀后故意自我伤害。我是J精神病学。2017年8月 1：174 （8）：765–74。下午：28320225
· 查看文章
· 酒吧/国家比
· 谷歌学者
00033. 33.贝托洛特 JM， 弗莱施曼 A. 自杀和精神病诊断： 一个世界性的视角。世界精神病学。2002年10月1日（3）：181–5。下午：16946849
· 查看文章
· 酒吧/国家比
· 谷歌学者
00034. 34.Yen S、 Shea MT、 帕加诺 M、 萨尼斯洛卡、格里洛 CM、麦格拉尚 Th 等人作为潜在自杀企图的预测因素： 协作纵向人格障碍研究的结果。J 阿布诺姆心理 2003 年 8 月：112 （3）： 375 –81.下午：12943016
· 查看文章
· 酒吧/国家比
· 谷歌学者
00035. 35.黑 DW、 百隆 N， Pfohl B， 黑尔 N. 自杀行为在边缘人格障碍： 流行， 风险因素， 预测和预防.J 个人分离。2004年6月;18日（3）：226-39。下午：15237043
· 查看文章
· 酒吧/国家比
· 谷歌学者
00036. 36.哈斯 · 阿普、埃利亚森 M 、梅斯 · Vm 、马蒂 · Rm 、科克伦 Sd 、阿尔 · 达等人。女同性恋、男同性恋、双性恋和变性者群体的自杀和自杀风险：审查和建议。J 霍莫塞克斯2011, 2011;58, 534038(1):10–51.
· 查看文章
· 谷歌学者
00037. 37.黄 X， 里贝罗 Jd， 穆萨基奥 Km， 富兰克林 Jc 。人口统计学作为自杀想法和行为的预测因素：元分析。一号2017年7月10日：12（7）：e0180793。下午：28700728医学论文发表-
· 查看文章
· 酒吧/国家比
· 谷歌学者
00038. 38.安塞尔 Eb， 赖特股份公司， 马尔科维茨 Jc， 萨尼斯洛卡， 霍普伍德 Cj， 扎纳里尼麦克， 等等。在10年的随访中，自杀未遂的人格障碍危险因素。个人失散。2015年4月6日（2）：161–7。下午：25705977
· 查看文章
· 酒吧/国家比
· 谷歌学者
00039. 39.诺克 Mk， 黄一， 桑普森 N， 凯斯勒 Rc， 安格迈尔 M， 博特雷斯 A， 等等。对精神障碍和自杀行为之间关联的跨国分析：世卫组织世界精神卫生调查的结果。PLoS Med. 2009 8月6日 （8）： e1000123.下午：19668361
· 查看文章
· 酒吧/国家比
· 谷歌学者
00040. 40.斯坦 Dj， 邱 Wt， 黄一， 凯斯勒 Rc， 桑普森 N， 阿隆索 J， 等等。创伤性事件与自杀行为之间关联的跨国分析：世卫组织世界精神卫生调查的结果。一号2010年5月13日：5（5）：e10574。下午：20485530
· 查看文章
· 酒吧/国家比
· 谷歌学者
00041. 41.Kessler RC, Borges G, Walters EE. Prevalence of and risk factors for lifetime suicide attempts in the National Comorbidity Survey. Arch Gen Psychiatry. 1999 Jul;56(7):617–26. pmid:10401507
· 查看文章
· 酒吧/国家比
· 谷歌学者
00042. 42.Borges G, Angst J, Nock MK, Ruscio AM, Walters EE, Kessler RC. A risk index for 12-month suicide attempts in the National Comorbidity Survey Replication (NCS-R). Psychol Med. 2006 Dec;36(12):1747–57. pmid:16938149
· 查看文章
· 酒吧/国家比
· 谷歌学者
00043. 43.May AM, Klonsky ED. What distinguishes suicide attempters from suicide ideators? A meta-analysis of potential factors. Clin Psychol Sci Pract. 2016;23(1):5–20.
· 查看文章
· 谷歌学者
00044. 44.Grant BF, Moore TC, Shepard J, Moore T. Source and accuracy statement: Wave 1 National Epidemiologic Survey on Alcohol and Related Conditions (NESARC). Bethesda, MD: National Institute on Alcohol Abuse and. Alcohol. 2003.
00045. 45.Grant BF, Kaplan KD. Source and accuracy statement for the 2004–2005 Wave 2 National Epidemiologic Survey on Alcohol and Related Conditions. Bethesda, MD: National Institute on Alcohol Abuse and. Alcohol. 2005.医学论文发表-
· 查看文章
· 谷歌学者
00046. 46.Elbogen EB, Cueva M, Wagner HR, Sreenivasan S, Brancu M, Beckham JC, et al. Screening for violence risk in military veterans: predictive validity of a brief clinical tool. Am J Psychiatry. 2014 Jul;171(7):749–57. pmid:24832765
· 查看文章
· 酒吧/国家比
· 谷歌学者
00047. 47.Rosen RC, Marx BP, Maserejian NN, Holowka DW, Gates MA, Sleeper LA, et al. Project VALOR: design and methods of a longitudinal registry of post-traumatic stress disorder (PTSD) in combat-exposed veterans in the Afghanistan and Iraqi military theaters of operations. Int J Methods Psychiatr Res. 2012 Mar;21(1):5–16. pmid:22095917
· 查看文章
· 酒吧/国家比
· 谷歌学者
00048. 48.World Health Organization. Preventing suicide: A global imperative. 2014 Sep 4 [cited 2021 Apr 4]. In: Suicide Prevention [Internet]. Available from: https://www.who.int/mental_health/suicide-prevention/world_report_2014/en/
· 查看文章
· 谷歌学者
00049. 49.Nock MK, Holmberg EB, Photos VI, Self-Injurious Thoughts MBD. Behaviors Interview: development, reliability, and validity in an adolescent sample. Psychol Assess. 2007 Sep;19(3):309–17. pmid:17845122
· 查看文章
· 酒吧/国家比
· 谷歌学者
00050. 50.Babyak MA. What you see may not be what you get: a brief, nontechnical introduction to overfitting in regression-type models. Psychosom Med. 2004 May-Jun;66(3):411–21. pmid:15184705
· 查看文章
· 酒吧/国家比
· 谷歌学者
00051. 51.Stoltzfus JC. Logistic regression: a brief primer. Acad Emerg Med. 2011 Oct;18(10):1099–104. pmid:21996075
· 查看文章
· 酒吧/国家比
· 谷歌学者
00052. 52.Youden WJ. Index for rating diagnostic tests. Cancer. 1950 Jan;3(1):32–5. pmid:15405679
· 查看文章
· 酒吧/国家比
· 谷歌学者
00053. 53.First MB, Williams JBW, Karg RS, Williams JB. Structured clinical interview for DSM-IV axis I disorders, Clinician Version (SCID-CV). Washington, DC: American Psychiatric Press; 1996.
00054. 54.Blake DD, Weathers FW, Nagy LM, Kaloupek DG, Gusman FD, Charney DS, et al. The development of a Clinician-Administered PTSD Scale. J Trauma Stress. 1995 Jan;8(1):75–90. pmid:7712061医学论文发表-
· 查看文章
· 酒吧/国家比
· 谷歌学者
00055. 55.希恩 Dv， 莱克鲁比尔 Y， 希恩 Kh， 阿莫林 P， 贾纳夫斯 J， 韦勒 E， 等等。小型国际神经精神病学访谈（M.I.N.I.）：DSM-IV和ICD-10结构化诊断精神病面谈的开发和验证。J 克林精神病学。1998：59（第20届）：22+33。下午：9881538
· 查看文章
· 酒吧/国家比
· 谷歌学者
00056. 56.格兰特BF，哈福德TC，道森DA，周PS，皮克林RP。酒精使用障碍和相关残疾访谈时间表（AUDADIS）：一般人群样本中酒精和药物模块的可靠性。药物酒精依赖。1995年7月;39日（1）：37-44。下午：7587973
· 查看文章
· 酒吧/国家比
· 谷歌学者
00057. 57.巴博尔 Tf， 比德尔 - 希金斯 Jc， 桑德斯 Jb， 蒙泰罗 Mg. 审计： 酒精使用障碍识别测试： 初级卫生保健使用指南。瑞士日内瓦：世界卫生组织：2001.
00058. 58.斯金纳 · 哈药物滥用筛查测试。上瘾的贝哈夫1982;7(4):363–71.下午：7183189
· 查看文章
· 酒吧/国家比
· 谷歌学者
00059. 59.小戴维森， 书 Sw， 科尔克特 Jt， 图普勒拉， 罗斯 S， 大卫 D， 等等。创伤后应激障碍新自我评分表的评估。心理医生 1997 年 1 月 27 日 （1）： 153 – 60 。下午：9122295
· 查看文章
· 酒吧/国家比
· 谷歌学者
00060. 60.斯皮策 Rl， 威廉姆斯 Jb， 克朗克 K， 林泽 M， 德 Fv， 哈恩 Sr， 等等。在初级保健中诊断精神障碍的新程序的效用。PRIME-MD 1000研究。贾玛1994年12月 14：272 （22）：1749–56.下午：7966923
· 查看文章
· 酒吧/国家比
· 谷歌学者
00061. 61.库巴尼埃斯， 海恩斯 Sn， 莱森 Mb， 欧文斯贾， 卡普兰阿斯， 沃森 Sb， 等等。创伤暴露的简短广谱测量的发展和初步验证：创伤性生活事件问卷。心理评估。2000年6月;12日（2）：210–24。下午：10887767
· 查看文章
· 酒吧/国家比
· 谷歌学者
00062. 62.伯恩斯坦 Dp， 芬克 L， 汉德尔斯曼 L， 脚 J， 洛夫乔伊 M， 温泽尔 K， 等等。虐待和忽视儿童的新追溯措施的初步可靠性和有效性。我是J精神病学。1994年8月;151（8）：1132–6。下午：8037246医学论文发表-
· 查看文章
· 酒吧/国家比
· 谷歌学者
00063. 63.卡齐斯 · 勒、米勒博士、斯金纳 · 克姆、李 A 、任 Xs 、克拉克 · 贾等人。退伍军人健康研究方法在退伍军人保健系统中的应用：结论和摘要。J 安布尔护理管理。2006年4月-6月;29（2）：182–8。下午：16552327
· 查看文章
· 酒吧/国家比
· 谷歌学者
00064. 64.灰色MJ，利兹BT，徐JL，伦巴多TW。生命事件清单的心理特征。评估。2004年12月;11日（4）：330–41。下午：15486169
· 查看文章
· 酒吧/国家比
· 谷歌学者
00065. 65.德罗加蒂斯·SCL-90：《心理病变评分表系列》修订版和其他工具手册-I的管理、评分和程序。巴尔的摩，医学：约翰霍普金斯大学医学院临床心理测量研究组;1983.
00066. 66.罗斯埃尔，祖罗姆斯基KL，里斯拜，诺克MK，凯斯勒RC，斯莫勒JW。美国初级保健患者具有成本效益的自杀风险预测的准确性要求。贾玛精神病学。2021年3月;17：e210089。下午：33729432
· 查看文章
· 酒吧/国家比
· 谷歌学者
00067. 67.药物滥用和精神卫生服务管理局。美国的主要药物使用和心理健康指标：2019年全国药物使用和健康调查的结果。2020年9月11日[引用2021年4月22日]。在数据[互联网]中。提供自：https://www.samhsa.gov/data/sites/default/files/reports/rpt29393/2019NSDUHFFRPDFWHTML/2019NSDUHFFR1PDFW090120.pdf。
· 查看文章
· 谷歌学者
00068. 68.法泽尔 S， 狼 A， 拉尔森 H， 马利特 S， 范肖 Tr 。严重精神疾病自杀的预测：临床预测规则（OxMIS）的发展和验证。跨精神病学。2019年2月25日：9（1）：98。下午：30804323
· 查看文章
· 酒吧/国家比
· 谷歌学者
00069. 69.斯坦利 B， 布朗 Gk 。安全规划干预：为降低自杀风险而进行简短干预。科根 · 贝哈夫练习。2012;19(2):256–64.
· 查看文章
· 谷歌学者
00070. 40M斯坦利 B， 布朗 Gk， 布伦纳拉， 加尔法尔维 Hc， 柯里尔 Gw， 诺克斯 Kl， 等等。将安全规划干预与急诊室治疗的自杀病人的后续护理与通常护理进行比较。贾玛精神病学。2018年9月 1：75 （9）：894-900。下午：29998307
· 查看文章
· 酒吧/国家比
· 谷歌学者
00071. 41M布朗 Gk， 十有 T， 恩里克 Gr， 谢 Sx， 霍兰德杰， 贝克 At 。预防自杀企图的认知疗法：随机对照试验。贾玛2005年8月3日：294（5）：563–70。下午：16077050
· 查看文章
· 酒吧/国家比医学论文发表-
· 谷歌学者
00072. 72.陆克文 · Md、 布莱恩 · Cj 、韦尔滕贝格尔 · 埃格、彼得森 · 阿尔 · 杨 - 麦克考恩 S 、明茨 J 等人。军事样本中治疗后自杀尝试的简要认知行为治疗效果：随机临床试验的结果，为期两年。我是J精神病学。2015年5月;172（5）：441–9。下午：25677353
· 查看文章
· 酒吧/国家比
· 谷歌学者
00073. 73.刘 Bd， 海德尔 Ah， 斯特里夫 Mb， 莱曼 Cu， 克劳斯 Ps， 霍布森 Db， 等等。 消除医疗保健差异与强制性临床决策支持： 静脉血栓栓塞 （Vte） 的例子。医疗护理。2015年1月;53日（1）：18-24。下午：25373403
· 查看文章
· 酒吧/国家比
· 谷歌学者
00074. 74.阿里亚斯萨，布德劳埃德，塞加尔DL，米勒一世，卡玛戈CA小，贝茨我。急诊部对有自杀风险的老年人的治疗差异。J Am Geriatr 袜公司 2017 年 10 月 65 日 （10）： 2272 – 7。下午：28752539
· 查看文章
· 酒吧/国家比
· 谷歌学者