严重精神障碍者暴力行为预测模型应用研究

作者：万巍峙; 杨琴; 曹若辰; 秦小荣; 谌霞灿; 杨蕊; 王紫烨; 刘浩; 胡峻梅^*

来源：中国法医学杂志, 2022, 37(04): 340-351.

DOI：10.13618/j.issn.1001-5728.2022.04.005

• 法医精神病学
• 暴力行为
• 朴素贝叶斯
• 严重精神障碍
• 机器学习

目的 基于朴素贝叶斯算法（Naive Bayes,NB）构建成都社区严重精神障碍（Severe Mental Disorder,SMD）患者暴力行为预测模型，并探索其应用价值。方法 从成都市精神卫生防治管理信息系统中获取2017至2019年SMD患者个案管理数据52 601例及相应随访信息、应急处置记录，使用MacArthur社区暴力工具、修订版外显攻击行为量表对患者随访期间的暴力行为进行量化评估。采用单因素Logistics回归分析筛选暴力行为的关联因素。将样本按照68%、17%、15%的比例划分为训练集、验证集、测试集，基于NB建立SMD患者暴力行为的预测模型。运用5折分层交叉验证法检验模型的内部效度，将测试集输入到模型中检验模型的外部效度。结果 基于NB建立的成都市社区SMD暴力行为预测模型内部效度的受试者工作特征曲线下面积（AUC）为0.757(95%CI:0.734～0.780)，外部效度的AUC为0.755，平衡准确度为0.710，准确度为0.721，敏感度为0.697，特异度为0.722。结论基于NB建立的成都市社区SMD患者暴力行为预测模型具有良好的效度，可为暴力行为的预测提供新的方法和思路。

• 单位
  四川大学; 成都市第四人民医院