Home Notizie recenti L’indice di vulnerabilità del suicidio e il modello di apprendimento automatico aiutano...

L’indice di vulnerabilità del suicidio e il modello di apprendimento automatico aiutano a prevedere il rischio delle contee

15
0
npj Ricerca sulla salute mentale (2022). DOI: 10.1038/s44184-022-00002-x” width=”800″ height=”530″>
Grafico riassuntivo SHAP per il modello di previsione del suicidio basato su XGBoost. Il grafico di riepilogo SHAP rivela l’impatto relativo di ciascuna caratteristica sui risultati della previsione. Credito: npj Ricerca sulla salute mentale (2022). DOI: 10.1038/s44184-022-00002-x

Il suicidio è una delle principali cause di morte negli Stati Uniti, ma i modelli che sono stati utilizzati per prevedere i tassi di suicidio ponderano allo stesso modo i fattori di rischio e si basano su dati per vaste aree geografiche, limitando la precisione delle previsioni, secondo i ricercatori della Penn State. Ora, i ricercatori hanno sviluppato un modello basato sull’apprendimento automatico che utilizza il loro indice di vulnerabilità al suicidio di recente sviluppo, che pondera i fattori di rischio, per identificare le comunità a rischio a livello di contea degli Stati Uniti.

L’approccio è stato recentemente pubblicato in npj Ricerca sulla salute mentale.

“Il nostro obiettivo era sviluppare un nuovo indice di vulnerabilità al suicidio per le contee degli Stati Uniti con l’aiuto di un modello di previsione del suicidio basato sull’inclinazione delle macchine”, hanno affermato il coautore del paper Soundar Kumara, Allen E. Pearce e Allen M. Pearce Professore di ingegneria industriale alla Penn State, che è anche affiliata al College of Information Sciences and Technology. “Identificando le contee a più alto rischio di aumento dei tassi di suicidio, il modello potrebbe aiutare a promuovere programmi di intervento mirati”.

I ricercatori hanno analizzato i dati dal 2010 al 2019 a livello di contea nelle 3.140 contee degli Stati Uniti, la classificazione geografica più piccola possibile disponibile nel database dei Centers for Disease Control and Prevention. Hanno identificato 17 caratteristiche utilizzate per prevedere i tassi di suicidio e che potrebbero essere classificate in base a dati demografici, fattori socio-economici e salute. I ricercatori sospettavano che alcune di queste 17 caratteristiche avrebbero avuto un impatto sui tassi di suicidio più di altre e hanno deciso di determinare quali fattori influenzassero i tassi di suicidio e in che misura.

Vedi anche:  Il cane da guardia tedesco mette Google sotto stretto controllo dell'antitrust

Per identificare l’impatto di ciascun fattore, i ricercatori hanno utilizzato SHapley Additive exPlanations (SHAP), un approccio basato sulla teoria dei giochi che spiega come ciascuna variabile contribuisce alla previsione del modello.

“I valori SHAP esplorano l’impatto di ciascuna caratteristica confrontando i risultati della previsione con e senza quella caratteristica”, ha affermato la coautrice dell’articolo Kristin Sznajder, assistente professore di scienze della salute pubblica al Penn State College of Medicine, che è anche affiliata al Huck Institutes of the Life Sciences e Population Research Institute. “Utilizzando i valori SHAP, è stata identificata l’importanza di tutte le 17 caratteristiche utilizzate nel set di addestramento del modello di previsione. Identificando e isolando le prime cinque caratteristiche importanti dalla nostra analisi, abbiamo sviluppato l’indice di vulnerabilità del suicidio. In un lavoro precedente, tali indici sono stati creati includendo tutte le variabili senza considerare i loro effetti sull’output.”

Le prime cinque caratteristiche a livello di contea che guidano i risultati della previsione del suicidio erano la popolazione, la percentuale di popolazione afroamericana, la percentuale di popolazione bianca, l’età media e la percentuale di popolazione femminile, dove la popolazione più alta, la percentuale di popolazione bianca e l’età media erano correlate a un aumento dei tassi di suicidio mentre più alto la percentuale di popolazione afroamericana e la percentuale di popolazione femminile hanno visto una diminuzione dei tassi di suicidio.

Vedi anche:  Secondo i ricercatori, il nuovo vaccino antinfluenzale universale offre un'ampia protezione contro le infezioni da virus dell'influenza A

Vishnu Kumar, studente laureato in ingegneria industriale e manifatturiera della Penn State e primo autore dell’articolo, ha sottolineato che i valori SHAP hanno differenziato questo modello di previsione dell’apprendimento automatico dai modelli precedenti.

“Diverse discipline utilizzano ampiamente l’apprendimento automatico per affrontare problemi ad alta intensità di dati”, ha affermato. “I modelli di machine leaning sono spesso indicati come ‘scatole nere’ perché non sappiamo cosa sta succedendo all’interno dei modelli o la logica dietro il modo in cui il modello calcola i risultati, anche se i loro risultati sono altamente accurati. In questo contesto, i valori SHAP forniscono un modo molto conveniente per spiegare i modelli di apprendimento automatico e aiutarci a prendere decisioni e interpretazioni potenti, eque e accurate”.

I ricercatori hanno detto che sperano che il loro lavoro getti le basi per prendere di mira e implementare programmi di intervento suicida.

“Un’interessante opportunità per il lavoro futuro è studiare la possibilità di utilizzare tecniche di apprendimento automatico per ottenere informazioni su come le variazioni nelle politiche di salute pubblica possono influenzare i tassi di suicidio”, ha affermato Sznajder. “Forse il nostro modello potrebbe essere implementato a livello locale e statale per creare sistemi di allerta precoce che possono influire sulle politiche e sull’allocazione delle risorse”.


Articolo precedenteGli attivisti criticano l’impegno da 4,5 miliardi di dollari del G7 per combattere la fame nel mondo
Articolo successivoDovresti farti un’iniezione di richiamo per COVID-19 ora o aspettare fino all’autunno? Due immunologi aiutano a valutare le opzioni