【技术实现步骤摘要】
一种社区严重精神障碍患者暴力风险预测初筛方法
[0001]本专利技术属于计算机应用
，尤其涉及一种社区严重精神障碍患者暴力风险预测初筛方法。
技术介绍
[0002]暴力行为是严重精神障碍患者(SMD)常见的负性行为，常给个人、家庭带来负担，并危及社会公共安全。严重精神障碍(severe mental disorder,SMD) 是指精神疾病的症状严重，导致患者社会适应等功能严重损害、对自身健康状况或客观现实不能完整的认识，或不能处理自身事务的精神障碍。《中华人民共和国精神卫生法》规定SMD患者有暴力等可能危害个人或他人安全的，应当住院治疗。目前全国有SMD患者约1600万人，绝大部分分散在各个社区，社区SMD患者暴力行为的发生率为6.04％～10.6％不等，如何有效评估、预测SMD 患者暴力行为的再发一直是公共安全、社区精神卫生工作的热点与难点。在此背景下，我国建立了完善的社区精神卫生防治管理系统，但在管SMD患者人数多，基层精防人员身兼数职、任务繁重，为社区SMD患者暴力风险的管理带来巨大的挑战，函需一种基于精神卫生...
【技术保护点】
【技术特征摘要】
1.一种社区严重精神障碍患者暴力风险预测初筛方法，其特征在于，所述社区严重精神障碍患者暴力风险预测初筛方法包括：基于精神卫生防治管理系统，利用社区严重精神障碍患者日常管理为期1年的随访信息及应急处置信息，将MacArthur社区暴力工具任意一项为是或外显攻击量表MOAS得分>0界定为暴力行为；通过logistic回归、Cox回归，结合既往研究及专业知识筛选出25项社区严重精神障碍患者暴力风险关联变量；将信息数据进行预处理，分别使用随机森林RF、XGBoost两种机器学习算法构建模型，调整超参数，并比较暴力风险预测的外部效度。2.如权利要求1所述社区严重精神障碍患者暴力风险预测初筛方法，其特征在于，所述社区严重精神障碍患者暴力风险预测初筛方法具体过程为：步骤一，数据信息整理，收集社区严重精神障碍患者随访信息、收集基层精神卫生医疗机构记录的应急处置信息，整合自变量与结局变量，计算随访时间及暴力发生时间间隔，整理形成研究用结构化数据表；步骤二，筛选社区严重精神障碍患者暴力风险关联变量，对结构化数据表分别使用单因素及多因素的logistic回归和Cox回归，分析校正混杂因素；根据回归分析的结果，结合既往研究及专业知识，筛选出社区严重精神障碍患者暴力风险关联变量；步骤三，特征预处理，对数值变量进行无量纲化处理，对特征中的分类变量进行独热编码；通过互信息法进行特征选择，并将数据封装为数据集；步骤四，交叉验证及非平衡数据处理，数据划分为训练集、验证集和测试集以进行交叉验证，调整模型的超参数、验证内部效度和外部效度；步骤五，建立算法模型，通过RF使用Bagging方法进行评估，同时对超参数进行调整防止过拟合，调整权重以应对非平衡数据；通过XGB使用Boosting方法进行评估，并对超参数及权重进行调整；步骤六，验证效度，输入测试集到训练好的模型中，将输出的预测结果与真实的结果进行比较，验证模型的外部效度。3.如权利要求2所述社区严重精神障碍患者暴力风险预测初筛方法，其特征在于，所述步骤一中，数据信息整理具体过程为：收集社区严重精神障碍患者随访信息，提取基线信息作为研究的自变量；收集基层精神卫生医疗机构记录的应急处置信息，使用相关暴力量表对信息记录的暴力行为进行评估、分类，并作为研究的结局变量；整合自变量与结局变量，计算随访时间及暴力发生时间间隔，整理形成研究用结构化数据表。4.如权利要求2所述社区严重精神障碍患者暴力风险预测初筛方法，其特征在于，所述步骤二中，筛选社区严重精神障碍患者暴力风险关联变量具体过程为：对结构化数据表分别使用单因素及多因素的logistic回归和Cox回归，分析校正混杂因素，以讨论不同研究变量纳入模型时，各个变量与暴力的关联性；根据回归分析的结果，结合既往研究及专业知识，从34项变量中筛选出25项社区严重精神障碍患者暴力风险关联变量。5.如权利要求2所述社区严重精神障碍患者暴力风险预测初筛方法，其特征在于，所述步骤三中，特征预处理具体过程为：对数值变量进行无量纲化处理，包括中心化和放缩化处理；对特征中的分类变量进行独热编码；利用互信息法进行特征选择，分析特征与标签之间的关系，计算特征的互信息估
计量，去除过低或为0的特征维度，将数据封装为数据集。6.如权利要求2所述社区严重精神障碍患者暴力风险预测初筛方法，其特征在于，所述步骤四中，交叉验...
【专利技术属性】
技术研发人员：谌霞灿，曹若辰，何昌九，杨琴，万巍峙，胡峻梅，秦小荣，唐娴，徐佳军，尹肖彤，邱玉凤，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。