刘婷,王国君,刘铁榜(通信作者*)
(1.济宁医学院,山东 济宁 272000;2.深圳市精神卫生中心/深圳市康宁医院,广东 深圳 518020)
近年来,青少年自杀行为的发生呈逐渐上升的趋势,现已成为我国重要的精神卫生问题。一般来说,自杀行为包括自杀意念、自杀准备、自杀计划、自杀未遂及自杀死亡。有自杀倾向的青少年往往会因担心不被理解、歧视、标签化等原因而避免现场求助,转而求助陌生人。近年来,危机干预热线以其及时性、自主性、隐蔽性、方便性、快捷性、无污名化等特点被越来越多的青少年所接受。这提示危机干预热线在未来可以成为减少青少年自杀的一个有效手段。但目前危机干预热线的应用仍存资源配置不合理、热线咨询员人力不足等局限性。深度学习是机器学习的一个研究方向,可模拟人脑实现对数据的智能化分析。而鉴于其技术特点,将深度学习与危机干预热线相结合,从而使实现减少青少年自杀行为具有现实可能性。
据世界卫生组织统计,全球每年的自杀死亡人数约为80 万,占全年总死亡人数的1.49%,是全球15 至29 岁年轻人的第二大死亡原因[1]。在中国每年有超过1 万名青少年死于自杀,是中国15~34 岁人群的首位死因,占所有死亡人数的19%[2]。
虽然在2002年至2015年间中国总体的自杀率呈逐年下降的趋势[3],但在10-24 岁年龄组的青少年人群中,中国的自杀死亡率(3.40/10 万)仍高于全球的自杀死亡率(3.26/10 万)[4],且存在明显的性别和城乡差异。Naghavi[1]等人的研究显示,在全球范围内,除 15-19 岁年龄组外,各地区、国家和年龄组的男性自杀死亡率均高于女性。在中国,Chen[5]等在对2006年到2016年间10-24 岁年龄组人群中的研究显示,城市地区的10-14 岁年龄组的青少年自杀死亡率大幅上升,但15-19 岁和20-24 岁年龄组的青少年自杀死亡率在下降;而农村地区所有年龄组的青少年自杀死亡率均有所下降。
此外其他自杀行为,包括自杀意念、自杀计划和自杀未遂,国内的青少年自杀水平略低于全球平均水平。据Lim[6]等人的荟萃分析显示,全球范围内儿童和青少年自杀意念、自杀计划和自杀未遂的总终生流行率分别为18%、9.9%、6.0%;在过去一年内的报告率分别为14.2%、7.5%和4.5%。在国内袁芳[7]等人对宁波市10726 名中学生的调查中显示,在过去一年内的自杀意念和自杀计划检出率分别为12.93%、4.54%,均低于全球水平;而Hu[8]等人的研究发现,中国青少年总体自杀未遂率在0.94%至9.01%之间,平均为2.94%,在全球范围内处于中等水平。
目前青少年自杀的病因及发病机制仍不明确。Miller 等[9]人通过对多项研究进行综述提出,青少年自杀可能是急性应激反应系统的失败,同时青少年时期也是自杀想法和自杀行为的发展时期。而患有精神疾病[2,10],如抑郁、焦虑、人格障碍、多动性障碍等;不良生活方式[2,11],如睡眠问题、饮食限制、网络过度使用;家庭环境[2,10],如家庭关系不好、父母水平较高、独生子、生活压力;童年不良经历[2,7],如遭受校园暴力、收到排挤和欺侮、朋友少或无、性虐待等;物质的使用[7,11],如吸烟、大麻及酒精的使用,以及孤独感、绝望感[7]等因素均可能增加青少年自杀行为发生的风险。同时,既往有自杀意念和自杀未遂史是未来发生自杀的最强预测因素[12]。
危机干预热线,又名心理援助热线,是指经过培训的志愿者或专业咨询者,为处于危机中的人群,尤其是有自杀危险的人提供支持和帮助的所有电话形式[13]。因其具有及时性、自主性、隐蔽性、方便性、快捷性、无污名化等特点而在全世界获得了发展。目前我国已经形成了覆盖全国的心理援助热线网络[14]。
国外有研究表明,青少年对基于技术的精神卫生服务具有很高的接受度,对电话风险管理服务的参与度较高[15,16]。在国内,广州市[17]一项对2008年到2019年间的3219 例未成年人危机干预热线的数据分析显示,青少年高危来电数均呈上升趋势,且占比不断增大。这在一定程度上表明,国内的青少年对危机干预热线的接受及求助度也有所增加。同时,通过对相关文献[17-20]检索发现,青少年求助内容集中在家庭关系、同伴关系、学习问题、适应问题、精神疾病问题等方面,而以上求助内容均涉及青少年自杀的危险因素。
危机干预热线的一个重要功能,就是为那些有自杀危险的人提供及时有效的心理干预,以缓解甚至打消其自杀冲动。危机热线在世界范围内现正以不同的风险评估和自杀管理方法在预防自杀中起着关键作用,可以有效降低自杀风险[21,22]。
国内对自杀高危来电的研究中,对“高危来电”的定义包括不同时限内的自杀行为、自杀计划、自杀意念及自杀未遂等[17,20,22]。可能因自杀高危来电定义标准不一致和地区差异,高危来电的检出率也存在明显差异,但整体来看,青少年自杀高危来电的检出率处于较高水平。北京市心理援助热线[22]筛选完整自杀来电数据共7144 例,检出443例自杀高危来电,其中24 岁以下年龄组的检出率为67.70%;厦门市心理危机干预热线[20]在超过2万例热线来电中筛选出140 例自杀高危来电,其中18-25 岁年龄组的检出率为39.29%;广州市心理援助热线[17]筛选未成年人的完整来电共3219 例,检出554 例自杀高危来电,检出率约为17.21%。
危机干预热线对自杀高危来电的即刻干预和后期随访均会产生有利作用。张若云[22]等人通过对自杀高危来电者的即刻干预的研究结果显示,有超过70%的高危来电者经过干预后不再处于高危状态,且增加了对未来的希望程度。同时,吴素英[20]等人针对高危来电者的三次随访结果也显示,在对来电者的每次干预后其死亡决心程度均会较前一次降低。危机干预热线这一即刻干预的特点可以及时有效的对青少年实现自杀干预,尤其是有冲动的自杀青少年,其中50%的青少年从想法到行动的时间可能不足一小时[23]。而其随访效果也表明,危机干预热线在一定程度可对影响青少年自杀的危险因素进行干预,从而进一步减少了青少年自杀的风险。
但目前国内的危机干预热线仍存在很多不足,包括应急队伍管理制度的不完善、队伍的不稳定,以及热线咨询员的心理压力调整存在困难、专业能力有待提高、人员配置的需求等[14,17]。同时,培养一名专业心理危机干预热线咨询员的漫长过程也是我们需要关注的问题[24],这在一定程度会造成热线咨询人员的不足,加重危机干预热线开展的困难程度。另外,可能被热线本身隐匿性等特点所限,接电过程中无法全面了解来电者信息,如性别、年龄等。所以既往关于危机干预热线来电的研究中,单独针对青少年的高危来电研究较少,故后续关于危机干预热线的研究可针对不同人群分布进行研究。
深度学习是机器学习领域的一个研究方向,其动机在于建立模型模拟人类大脑的神经连接结构,其可以通过多个变换阶段分层对图像、声音和文本等信号进行处理,并对数据特征进行描述进而给出数据的解释[25]。目前已广泛应用于精神领域。
Franklin[10]等人关于自杀风险因素的荟萃分析结果强调,有必要将重点从风险因素转移到基于机器学习的风险算法上。Walsh[26]等人利用机器学习算法对纵向临床数据进行分析,成功将预测青少年的自杀未遂风险的准确性提高了9 倍。而韩国[12]一项利用机器学习技术对韩国青少年风险行为网络调查结果进行分析所建立的青少年自杀高风险预测模型也显示,其不仅可以早期识别有自杀风险的青少年,且预测自杀的准确性与logistic 回归相当,并且能够改变危险因素。同时,黄智生等[27]采用知识图谱技术,通过对文本数据进行分析,可监控网络媒体并及时发布自杀等级,有效的进行了自杀救助。
上述研究表明,通过深度学习方法对文本、语音等数据资料进行分析,可有效实现对风险因素的有效识别和干预。危机干预热线所独有的特点之一,就在于其同时具备文本和音频数据资料的特点,但既往关于危机干预热线的研究多局限于对文本数据的研究,而忽略了的音频数据的重要性。深度学习技术恰恰可弥补危机干预热线这一研究局限性。基于深度学习可实现对数据进行智能化分析这一技术特点,研究者可对危机干预热线庞大而又繁杂的文本及音频数据同时进行系统的分析和整合,建立一个基于深度学习技术的“危机干预热线平台自杀识别器”。在来电者来访过程中,对来电者语音、语调、语速及来电内容等多方面进行自动化分析、判断,对高危来电进行示警,以期实现对高危来电者进行及时、有效的识别和干预,从而实现减少青少年自杀行为的发生。
综上,青少年自杀仍是需要迫切解决的问题,生物、心理、社会等多方面因素均会对青少年产生影响。青少年时期不仅是自杀想法和自杀行为的发展时期,也是有效进行自杀干预和预防的关键时期。所以有自杀倾向的青少年有意愿向危机干预热线求助是值得公众欣喜和鼓励的。与此同时,虽然危机干预热线针对自杀高危来电人群可以起到确切的干预作用,但危机干预热线目前仍面临着热线咨询专业人员的不足、热线数据繁杂难以分析利用等困难,这对危机干预热线的有效利用也提出了挑战。而深度学习技术可弥补这一缺陷。同时,基于深度学习方法建立青少年自杀预测模型,即建立“危机干预热线平台自杀识别器”具备现实可能性。而这一模型的成功建立,一方面可以实现对高危来电进行及时、有效的识别和干预;另一方面,在一定程度上可以弥补危机干预热线中热线咨询员人力和能力的不足,增加危机干预热线在全国范围内有效应用,从而进一步减少青少年自杀行为的发生。