严重精神障碍者暴力行为预测模型应用研究

摘要：

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52601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.

关键词：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

所属期刊栏目：37

分类号：DF795.2(诉讼法)

资助基金：成都市科学技术局技术创新研发项目;中国博士后科学基金

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：340-344,351