居民自殺未遂環境因素BP神經網絡模型構建*

呂軍城 卓來寶 鄒廣順 張 杰

【提 要】 目的 探討自殺未遂的環境影響因素，構建環境因素BP神經網絡模型。方法 采用病例-對照研究方法收集數據，采用單因素方法初步篩選環境影響因素，構建BP神經網絡模型。結果 本研究1200例樣本中，自殺未遂者639名，占53.25%，對照組561名，占46.75%。單因素分析結果顯示健康狀況差、患有精神疾病、迷信、有宗教信仰、受教育年限少是自殺未遂個體環境危險因素；無個人財產、家庭經濟狀況差是其經濟環境危險因素；夫妻關系差、與父母關系差、家中地位低、家中成員有過自殺行為、家庭人口數少是其家庭環境危險因素；社會關系差、遇到困難缺少幫助，受教育機會少、就業機會少是社會環境危險因素；BP神經網絡模型的總體符合率為69.6%，判別效果良好。結論 應采取相應的預防措施降低自殺未遂的危險因素；本研究構建的環境因素BP神經網絡模型具有較好判別效果。

自殺未遂指出現了自殺意念的人采取了自殺行動而未能成功。自殺動機不強烈、自殺行為不果斷的人，往往造成自殺未遂[1]，自殺未遂是自殺的重要危險因素[2-3]。調查研究表明，近20年我國的自殺率有所下降[4]，但仍是影響我國死亡率的一個重要因素。最新研究結果表明，2012年至2015年我國的年平均自殺率為6.75/10萬人，農村高于城鎮，男性高于女性[5]。自殺行為對家庭、社會造成沉重的負擔和醫療資源的浪費，并且產生嚴重社會負面影響。以往研究顯示環境因素是自殺未遂的重要影響因素[6-8]，本研究通過構建BP神經網絡模型，探討環境因素對自殺未遂的作用，并提出合理化預防對策和建議。

對象與方法

1.研究對象和資料來源

本研究以某省居民為研究對象，通過醫院獲取自殺未遂者(病例組)信息，按性別相同、年齡相仿等原則為病例組選擇對照(對照組)。采用自行編制“居民自殺未遂環境調查問卷”采用面對面訪談的形式進行資料收集，具體納入和剔除標準及資料收集過程參見文獻[1]，在此不再贅述。收集數據后對數據進行篩檢和邏輯檢錯，剔除缺失值較多和調查質量欠佳的個體數據。

2.統計分析方法

結 果

1.一般情況

本研究樣本病例組639名，占53.25%，對照組561名，占46.75%；病例組為(31.63±8.10)歲，對照組為(32.00±8.22)歲，兩組間年齡差異無統計學意義(t=-0.772，P=0.440)；病例組(男61.5%)和對照組(男62.6%)、性別差異無統計學意義(χ2=0.144，P=0.705)；表明兩組間性別、年齡因素均衡性較好。

2.初步篩選環境影響因素

統計分析結果顯示，個體環境因素方面軀體健康狀況、宗教信仰、是否迷信、是否患有精神疾病、受教育年限5個因素在兩組間差異有統計學意義；經濟環境因素方面，是否擁有個人財產、家庭經濟狀況2個因素兩組間差異有統計學意義；家庭環境因素，兩組在夫妻關系、和父母的關系、家庭地位、家中成員有無自殺、家庭人口數的差異有統計學意義；以往研究表明社會環境不良是自殺未遂的主要危險因素[9]，本研究顯示社會關系是否融洽、遇到困難時是否獲得幫助、受教育機會、就業機會4個社會環境因素兩組間差異有統計學意義。分析結果見表1。

3.BP神經網絡模型構建

本研究為自殺未遂識別問題，選用patternnet函數，采用trainscg共軛梯度算法構建含有輸入層、隱含層、輸出層經典的三層BP神經網絡模型。本研究將單因素篩選的16個影響因素作為輸入層神經元，將是、否自殺未遂作為輸出層2個節點；將輸入、輸出樣本進行歸一化處理，然后采用隨機化方法將70%作為訓練樣本，15%為測試樣本，15%為驗證樣本對BP神經網絡模型進行創建和訓練，運用均方誤差和匹配矩陣等對模型進行評價。

表1 病例組和對照組環境因素影響因素分析

備注：*為非參數統計檢驗方法，#為Fisher確切概率法求得的概率值。

通過程序對樣本數據進行多次模擬訓練，通過比較總體符合率、靈敏度、特異度、迭代次數及ROC曲線，確定最優的BP神經網絡模型，多次訓練模型結果如表2。

由表2可以看出，net1的訓練樣本、驗證樣本、測試樣本、總樣本的各總體符合率比較穩定且較高、靈敏度和特異度比較均衡均為0.7，綜合考慮net1神經網絡模型為最優模型。輸出結果顯示網絡性能值(performance)為0.219，梯度為(gradient)0.00491，均方誤差(MSE)經過6次升高后停止訓練，網絡誤差曲線顯示網絡誤差(0.22698)較小，網絡的收斂好。同時輸出訓練集、驗證集、測試集和全部樣本的判別輸出結果與真實結果的匹配矩陣(confusion matrix)，如圖1所示；通過匹配矩陣可以評價模型分類效果優劣。

表2 多次訓練模型的各項評價指標

圖1 BP神經網絡匹配矩陣圖

模型的匹配矩陣顯示各樣本靈敏度在63%左右，特異度大多在75%～80%，總符合率約70%及以上；將同樣數據采用傳統的logistic方法分析，總符合率為64.6%，由此可見構建的模型較傳統線性模型具有較好的判別性。通過運行 w1=net.iw{1，1}和w2=net.lw{2，1}命令，可以輸出每個輸入單元與隱含層單元的權重系數Wij和每個隱含層單元與輸出層單元的權重系數Wjk，通過權重系數大小可以分析各因素間的關系和影響程度大小。

討 論

自殺未遂作為一種嚴重影響我國居民健康的社會問題，其原因是多方面的。環境是人們賴以生存的外界條件，環境因素是自殺未遂的重要影響因素[8，10-11]，本研究從個體環境、經濟環境、家庭環境、社會環境等方面初步篩選自殺未遂環境因素，構建自殺未遂BP神經網絡模型。

針對單因素篩選的自殺未遂環境危險因素，應采取相應措施降低環境的危險因素。個體方面應加強體育鍛煉提高身體素質，掌握調節心情的基本技能保持良好的心態，增加受教育年限，以科學的態度對待宗教、杜絕迷信。經濟環境方面應進一步探索公平合理的分配機制，減少相對貧窮導致的心理扭力；對經濟特殊困難的人群應啟動特殊人群社會保障機制和幫扶機制。家庭環境方面，夫妻間、子女與父母間、家庭成員間應倡導和營造平等、和諧、互助的家庭關系；本研究與以往研究結果一致，家庭親密度高為自殺未遂的保護性因素[12]。社會環境方面，本研究與以往文獻結果一致，較差的社會環境容易導致自殺未遂[13]，應營造融洽、和諧、互幫互助的鄰里環境和社會環境；失業是自殺未遂的危險因素[14]，社會行政職能部門應營造公平、公正的社會環境，創造更多的均衡的受教育和就業機會。

BP神經網絡模型作為一種新型的人工智能判別方法，近幾年逐漸應用于醫學領域并獲得了理想的分類和識別效果[15-17]，但是應用于自殺未遂尚處于探索階段。本研究基于單因素篩選的16個影響因素作為輸入層，構建含有6個隱含層節點數的自殺未遂環境因素神經網絡模型，模型判別的符合率達到70%左右，顯示了良好的判別效能；相對于以往傳統統計學方法具有一定優越性[18-19]，本研究驗證了該方法在自殺未遂識別領域的適用性和可行性，進一步奠定了方法學理論基礎。人工神經網絡起源于神經生物學，是一種較新的人工智能方法，以往傳統的統計學方法如線性模型、logistic回歸模型等線性模型通常對資料有嚴格的適用條件，而神經網絡模擬人腦智能化，具有高度的容錯性、智能性、適應性、靈活性等特點，對資料要求寬松，更能最大限度的模擬或識別變量間復雜、模糊的線性和非線性映射關系[18，20]；而且神經網絡更適用于對個體的判別，更具有實用價值[21]?？梢試L試將自殺未遂神經網絡和計算機技術相結合，構建人工智能輔助診斷系統，對自殺未遂人群篩檢具有重要的現實意義。