居民自杀未遂环境因素BP神经网络模型构建*

吕军城 卓来宝 邹广顺 张 杰

【提 要】 目的 探讨自杀未遂的环境影响因素，构建环境因素BP神经网络模型。方法 采用病例-对照研究方法收集数据，采用单因素方法初步筛选环境影响因素，构建BP神经网络模型。结果 本研究1200例样本中，自杀未遂者639名，占53.25%，对照组561名，占46.75%。单因素分析结果显示健康状况差、患有精神疾病、迷信、有宗教信仰、受教育年限少是自杀未遂个体环境危险因素；无个人财产、家庭经济状况差是其经济环境危险因素；夫妻关系差、与父母关系差、家中地位低、家中成员有过自杀行为、家庭人口数少是其家庭环境危险因素；社会关系差、遇到困难缺少帮助，受教育机会少、就业机会少是社会环境危险因素；BP神经网络模型的总体符合率为69.6%，判别效果良好。结论 应采取相应的预防措施降低自杀未遂的危险因素；本研究构建的环境因素BP神经网络模型具有较好判别效果。

自杀未遂指出现了自杀意念的人采取了自杀行动而未能成功。自杀动机不强烈、自杀行为不果断的人，往往造成自杀未遂[1]，自杀未遂是自杀的重要危险因素[2-3]。调查研究表明，近20年我国的自杀率有所下降[4]，但仍是影响我国死亡率的一个重要因素。最新研究结果表明，2012年至2015年我国的年平均自杀率为6.75/10万人，农村高于城镇，男性高于女性[5]。自杀行为对家庭、社会造成沉重的负担和医疗资源的浪费，并且产生严重社会负面影响。以往研究显示环境因素是自杀未遂的重要影响因素[6-8]，本研究通过构建BP神经网络模型，探讨环境因素对自杀未遂的作用，并提出合理化预防对策和建议。

对象与方法

1.研究对象和资料来源

本研究以某省居民为研究对象，通过医院获取自杀未遂者(病例组)信息，按性别相同、年龄相仿等原则为病例组选择对照(对照组)。采用自行编制“居民自杀未遂环境调查问卷”采用面对面访谈的形式进行资料收集，具体纳入和剔除标准及资料收集过程参见文献[1]，在此不再赘述。收集数据后对数据进行筛检和逻辑检错，剔除缺失值较多和调查质量欠佳的个体数据。

2.统计分析方法

结 果

1.一般情况

本研究样本病例组639名，占53.25%，对照组561名，占46.75%；病例组为(31.63±8.10)岁，对照组为(32.00±8.22)岁，两组间年龄差异无统计学意义(t=-0.772，P=0.440)；病例组(男61.5%)和对照组(男62.6%)、性别差异无统计学意义(χ2=0.144，P=0.705)；表明两组间性别、年龄因素均衡性较好。

2.初步筛选环境影响因素

统计分析结果显示，个体环境因素方面躯体健康状况、宗教信仰、是否迷信、是否患有精神疾病、受教育年限5个因素在两组间差异有统计学意义；经济环境因素方面，是否拥有个人财产、家庭经济状况2个因素两组间差异有统计学意义；家庭环境因素，两组在夫妻关系、和父母的关系、家庭地位、家中成员有无自杀、家庭人口数的差异有统计学意义；以往研究表明社会环境不良是自杀未遂的主要危险因素[9]，本研究显示社会关系是否融洽、遇到困难时是否获得帮助、受教育机会、就业机会4个社会环境因素两组间差异有统计学意义。分析结果见表1。

3.BP神经网络模型构建

本研究为自杀未遂识别问题，选用patternnet函数，采用trainscg共轭梯度算法构建含有输入层、隐含层、输出层经典的三层BP神经网络模型。本研究将单因素筛选的16个影响因素作为输入层神经元，将是、否自杀未遂作为输出层2个节点；将输入、输出样本进行归一化处理，然后采用随机化方法将70%作为训练样本，15%为测试样本，15%为验证样本对BP神经网络模型进行创建和训练，运用均方误差和匹配矩阵等对模型进行评价。

表1 病例组和对照组环境因素影响因素分析

备注：*为非参数统计检验方法，#为Fisher确切概率法求得的概率值。

通过程序对样本数据进行多次模拟训练，通过比较总体符合率、灵敏度、特异度、迭代次数及ROC曲线，确定最优的BP神经网络模型，多次训练模型结果如表2。

由表2可以看出，net1的训练样本、验证样本、测试样本、总样本的各总体符合率比较稳定且较高、灵敏度和特异度比较均衡均为0.7，综合考虑net1神经网络模型为最优模型。输出结果显示网络性能值(performance)为0.219，梯度为(gradient)0.00491，均方误差(MSE)经过6次升高后停止训练，网络误差曲线显示网络误差(0.22698)较小，网络的收敛好。同时输出训练集、验证集、测试集和全部样本的判别输出结果与真实结果的匹配矩阵(confusion matrix)，如图1所示；通过匹配矩阵可以评价模型分类效果优劣。

表2 多次训练模型的各项评价指标

图1 BP神经网络匹配矩阵图

模型的匹配矩阵显示各样本灵敏度在63%左右，特异度大多在75%～80%，总符合率约70%及以上；将同样数据采用传统的logistic方法分析，总符合率为64.6%，由此可见构建的模型较传统线性模型具有较好的判别性。通过运行 w1=net.iw{1，1}和w2=net.lw{2，1}命令，可以输出每个输入单元与隐含层单元的权重系数Wij和每个隐含层单元与输出层单元的权重系数Wjk，通过权重系数大小可以分析各因素间的关系和影响程度大小。

讨 论

自杀未遂作为一种严重影响我国居民健康的社会问题，其原因是多方面的。环境是人们赖以生存的外界条件，环境因素是自杀未遂的重要影响因素[8，10-11]，本研究从个体环境、经济环境、家庭环境、社会环境等方面初步筛选自杀未遂环境因素，构建自杀未遂BP神经网络模型。

针对单因素筛选的自杀未遂环境危险因素，应采取相应措施降低环境的危险因素。个体方面应加强体育锻炼提高身体素质，掌握调节心情的基本技能保持良好的心态，增加受教育年限，以科学的态度对待宗教、杜绝迷信。经济环境方面应进一步探索公平合理的分配机制，减少相对贫穷导致的心理扭力；对经济特殊困难的人群应启动特殊人群社会保障机制和帮扶机制。家庭环境方面，夫妻间、子女与父母间、家庭成员间应倡导和营造平等、和谐、互助的家庭关系；本研究与以往研究结果一致，家庭亲密度高为自杀未遂的保护性因素[12]。社会环境方面，本研究与以往文献结果一致，较差的社会环境容易导致自杀未遂[13]，应营造融洽、和谐、互帮互助的邻里环境和社会环境；失业是自杀未遂的危险因素[14]，社会行政职能部门应营造公平、公正的社会环境，创造更多的均衡的受教育和就业机会。

BP神经网络模型作为一种新型的人工智能判别方法，近几年逐渐应用于医学领域并获得了理想的分类和识别效果[15-17]，但是应用于自杀未遂尚处于探索阶段。本研究基于单因素筛选的16个影响因素作为输入层，构建含有6个隐含层节点数的自杀未遂环境因素神经网络模型，模型判别的符合率达到70%左右，显示了良好的判别效能；相对于以往传统统计学方法具有一定优越性[18-19]，本研究验证了该方法在自杀未遂识别领域的适用性和可行性，进一步奠定了方法学理论基础。人工神经网络起源于神经生物学，是一种较新的人工智能方法，以往传统的统计学方法如线性模型、logistic回归模型等线性模型通常对资料有严格的适用条件，而神经网络模拟人脑智能化，具有高度的容错性、智能性、适应性、灵活性等特点，对资料要求宽松，更能最大限度的模拟或识别变量间复杂、模糊的线性和非线性映射关系[18，20]；而且神经网络更适用于对个体的判别，更具有实用价值[21]。可以尝试将自杀未遂神经网络和计算机技术相结合，构建人工智能辅助诊断系统，对自杀未遂人群筛检具有重要的现实意义。