XiaoMi-AI文件搜索系统
World File Search Systemsuicide
机器学习和精神病人群自杀预测：系统综述
机器学习 (ML) 已成为增强自杀预测的有前途的工具。然而，由于许多大样本研究混合了精神病和非精神病人群，正式的精神病诊断成为自杀风险的有力预测因素，掩盖了特定于不同人群的更微妙的风险因素。为了克服这一限制，我们对专门在精神病临床人群中评估自杀行为的 ML 研究进行了系统回顾。从一开始到 2022 年 11 月 17 日，按照 PRISMA 指南在 PubMed、EMBASE 和 Scopus 上进行了系统文献检索。包括使用 ML 技术评估精神病人群自杀风险或预测自杀企图的原始研究。使用多变量预测模型个人预后或诊断 (TRIPOD) 指南的透明报告进行偏差风险评估。检索到约 1032 项研究，其中 81 项符合纳入标准并被纳入定性综合。临床和人口统计特征是最常用的，直接比较时，随机森林、支持向量机和卷积神经网络在准确性方面比其他算法表现更好。尽管程序存在异质性，但大多数研究报告的准确率为 70% 或更高，这些准确率基于先前尝试、疾病严重程度和药物治疗等特征。尽管报告的证据很有希望，但用于自杀预测的 ML 算法仍然存在局限性，包括缺乏神经生物学和成像数据以及缺乏外部验证样本。克服这些问题可能会导致开发出可用于临床实践的模型。有必要开展进一步研究，以推动可能对自杀死亡率产生重大影响的领域的发展。
自杀者及其对照组颞极脑组织的综合转录组和 DNA 甲基化分析
过去二十年里，全球自杀率稳步上升，造成了严重的公共卫生危机，给受影响的家庭和整个社会带来了沉重的负担。自杀行为涉及多种病因，包括心理、社会和生物因素。由于自杀的分子神经机制仍未得到充分了解，我们检查了自杀身亡者及其神经典型健康对照者的死后脑组织的转录和甲基化谱。我们使用 RNA 测序和 DNA 甲基化谱分析了 61 名受试者的颞极组织，这些受试者大多未服用抗抑郁药和抗精神病药，使用针对超过 850,000 个 CpG 位点的阵列。NPAS4 是炎症和神经保护的关键调节因子，其表达在自杀死者组中显著下调。此外，我们在自杀者组中发现了总共 40 个差异甲基化区域，这些区域对应着 7 个具有炎症功能的基因。对照组中 NPAS4 DNA 甲基化与 NPAS4 表达之间存在显著关联，而自杀者组中则不存在这种关联，证实了其失调。NPAS4 表达与脑组织中多种炎症因子的表达显着相关。总体而言，与炎症密切相关的基因组和通路显着上调，而与神经元发育相关的特定通路在自杀者组中受到抑制。自杀者还存在兴奋性毒性以及少突胶质细胞功能受抑制的情况。总之，我们已确定在自杀行为期间可能活跃的中枢神经系统炎症机制，以及少突胶质细胞功能障碍和谷氨酸神经传递改变。在这些过程中，NPAS4 可能是一个主要调节因子，值得进一步研究以验证其作为自杀潜在生物标志物或治疗靶点的作用。
基于癌性病毒的自杀基因治疗用于癌症治疗：亨利·福特健康（Henry Ford Health）进行的临床试验的观点
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。
FOI2023/03345 - 请求有关 Pirbright 陆军训练中心自杀率的信息
所提供的自杀信息包括验尸官确认的自杀，符合英国国家统计局 (ONS) 在《国家统计》出版物中使用的定义。英国国家统计局对自杀的定义包括因故意自残或意图不明的伤害/中毒而导致的死亡。在英格兰和威尔士，人们习惯认为大多数意图不明的伤害和中毒都是伤害是自己造成的，但没有足够证据证明死者故意自杀，因此验尸官给出了公开或叙述性的裁决。英国各地都采用了包括自杀和公开裁决的惯例。根据 ONS 的惯例，自始至终，“自杀”一词应理解为包括所有自杀和公开裁决的死亡。
FOI2023/01191 - 要求提供 16-19 岁之间武装部队男性自杀率的数据
如果内部审查后您仍不满意，您可以根据《信息自由法》第 50 条的规定直接向信息专员提出投诉。请注意，信息专员通常不会调查您的案件，直到国防部内部审查过程完成。信息专员的联系方式：信息专员办公室，Wycliffe House, Water Lane, Wilmslow, Cheshire, SK9 5AF。有关信息专员的职责和权力的更多详细信息，请访问专员网站。
国防部指令 6490.16 国防自杀预防计划
国防自杀预防计划 发起部门：国防部人事和战备副部长办公室 生效日期：2017 年 11 月 6 日 变更 3 生效日期：2023 年 2 月 2 日 可发布性：已获准公开发布。可在指令部门网站 https://www.esd.whs.mil/DD/ 上查阅。合并和取消：国防部指令 6490.14，“国防自杀预防计划”，2013 年 6 月 18 日 国防部人事和战备部副部长备忘录，“通过自愿储存私人拥有的枪支减少致命手段获取途径的国防部指挥官和卫生专业人员指南”，2014 年 8 月 28 日 国防部人事和战备部副部长备忘录，“国防部自杀数据和报告标准化”，2014 年 3 月 14 日 国防部人事和战备部副部长备忘录，“国防部自杀数据和报告标准化”，2015 年 3 月 11 日 指令类备忘录 16-001，“军人自杀和自杀未遂以及军人家属自杀报告政策”，2015 年 1 月 7 日2016 批准人：A. M. Kurta，履行国防部人事和战备副部长的职责 变更 3 批准人：Gilbert R. Cisneros, Jr.，国防部人事和战备副部长 目的：根据国防部指令 (DoDD) 5124.02 中的授权，此发布： • 根据公法 (PL) 112-81 第 533 节、PL 112-239 第 580 至 583 节以及 PL 113-291 第 567 节，为国防部自杀预防计划制定政策并分配职责。
预防自杀策略
雷德布里奇的前言，2001年至2021年之间有356人自杀。这将对他们的家人，朋友和社区产生深远而令人沮丧的影响。自杀预防是Redbridge的关键优先事项，其整个自治市镇具有既定的合作伙伴关系。在过去五年中，我们已经建立了成功，以确保我们的计划反映了我们正在工作的不断变化的格局。这种策略是在生活成本危机期间制定的，该危机影响了整个英国的个人和家庭，包括Redbridge。重要的是要确保有强大的系统可以在困难和不确定性期间支持我们的社区。该策略的关键野心之一是致力于解决影响心理健康和自杀性（包括贫困）的更广泛的决定因素。这不是公共卫生可以单独解决的事情，并且需要整个理事会和外部合作伙伴的共同承诺。接下来的五年中的其他关键优先事项包括增加针对专业人士，社区组织和公众可用的心理健康培训，并确保有关键的途径来引用被确定为风险的人。我们希望，支持的可及性和可见性以及改善围绕心理健康的沟通能够减少寻求自杀意念和心理健康问题帮助的污名，这是该策略的另一个重要野心。总的来说，这种策略对零自杀的红桥具有雄心勃勃的愿景，如果没有全系统的方法，这将是无法实现的。这是在制定该战略及其致力于改善Redbridge居民健康和福祉的承诺方面的持续投入来体现的。
“这非常非常奇怪”：一起民事诉讼揭露了艾伦·格林伯格案的新细节，她被刺 20 刀致死，被裁定为自杀
全国自杀预防热线提供 150 多种语言的帮助。请致电 1-800-273-8255 或发送短信 HELLO 至 741741。西班牙语，品牌 1-888-628-9454。如果您是聋人或听力障碍者，请致电 1-800-799-4889。费城自杀与危机中心提供有关抑郁、自残、绝望、愤怒、成瘾和关系问题的指导和评估，电话是 215-686-4420。退伍军人危机聊天电话是 1-800-273-8255，短信是 838255。特雷弗项目为 25 岁及以下的 LGBTQ+ 青年提供危机支持。请致电 1-866-488-7386，发送短信 START 至 678678，或开始聊天。
人工智能自杀预测工具：医疗领导者的道德考量
引言 自杀占全球死亡人数的 1.5%，每年有超过 800,000 人死于自杀。1 2 超过 80% 的自杀发生在低收入和中等收入国家。虽然正在开展大量工作来减少自杀的影响，但仍有许多工作要做。在许多情况下，有自杀风险的人由于担心被污名化和强制医疗而不愿与医生或社区接触；更糟糕的是，患有精神疾病的人（占自杀死亡人数的大多数）可能对自己的精神状态缺乏了解，并且不认为自己有自杀风险。这些问题因医生在就诊时很难识别有自杀风险的人而更加严重。为了减少自杀的影响，人们对使用人工智能 (AI)、数据科学和其他分析技术来改进自杀预测和风险识别的兴趣日益浓厚。随着电子病历 (EMR) 和人们分享情绪状态见解的在线平台 (社交媒体) 的激增，现在研究人员可以获得大量相关健康数据。当与其他数据源链接时，对这些复杂信息集 (俗称“大数据”) 的分析可以一次性提供一个人的生物、社会和心理状态的快照。通过分层数学模型 (AI 算法) 处理大数据，机器可以学会检测使用传统生物统计学形式无法解读的模式。纠正算法错误 (训练) 可以提高 AI 预测模型的准确性。3 因此，AI 完全有能力应对利用大数据预防自杀的挑战。广义上讲，这些分为两类：1. 医学自杀预测工具：研究人员和医生可以使用机器学习等 AI 技术，通过利用来自 EMR、医院记录和其他潜在政府数据源的数据来确定表明自杀风险的信息和行为模式。最典型的是，这些工具将在医院环境或全科医生 (GP) 手术中使用，为医生在确定患者的自杀风险时提供“决策支持”。这些工具的开发正在传统研究环境中进行，并取得了令人鼓舞的成果。i. 示例：通过将机器学习应用于 EHR，Walsh 等人 (2017) 在预测自杀企图是否发生时实现了 80%– 90% 的准确率 (AUC = 0.80 - 0.84)