Gezamenlijke modellen die Amerikaanse soldaten met een hoog risico op werkloosheid, dakloosheid en suïcidaal gedrag na ontslag identificeren

Waarom dit van belang is voor het leven na militaire dienst

Elk jaar verlaten bijna 200.000 Amerikanen de strijdkrachten en stappen ze in het burgerleven. Voor velen verloopt die overgang hobbelig: vast werk vinden, een dak boven het hoofd houden en geestelijk gezond blijven zijn reële uitdagingen. Deze studie stelt een praktische vraag met levens- of doodconsequenties: kunnen we met informatie die vóór ontslag van een soldaat is verzameld voorspellen wie het meest waarschijnlijk te maken krijgt met dakloosheid of suïcidaal gedrag daarna, zodat schaarse hulpbronnen gericht kunnen worden ingezet waar ze het hardst nodig zijn?

Het volgen van soldaten voorbij het uniform

De onderzoekers maakten gebruik van een groot, langlopend project dat tienduizenden Amerikaanse soldaten heeft gevolgd van actieve dienst naar het burgerleven. Uit deze bredere inspanning richtten ze zich op 7.188 voormalige Regular Army-soldaten die uitgebreide vragenlijsten hadden ingevuld over hun achtergrond, militaire loopbaan, gezondheid en levenservaringen. Die survey-antwoorden werden gekoppeld aan vervolggegevens over wat er met hen gebeurde in de eerste drie jaar na vertrek uit actieve dienst: of ze werkloos waren, dakloos werden, een niet-fatale zelfmoordpoging deden, of door zelfdoding overleden. Voor suïcidedoden steunde het team op een eerder model dat was gebouwd op administratieve gegevens van bijna een miljoen voormalige soldaten.

Survey-antwoorden omzetten in risicosignalen

Om deze gegevens in bruikbare waarschuwingen om te zetten gebruikten de onderzoekers moderne voorspellingsmethodes uit de informatica. In plaats van op één statistische formule te vertrouwen combineerden ze meerdere methoden in een “ensemble” dat zoekt naar complexe patronen die pre-separatie-informatie koppelen aan latere uitkomsten. Ze testten modellen voor drie uitkomsten in de eerste drie jaar na ontslag: werkloosheid op het moment van de survey; dakloosheid op enig moment; en niet-fatale zelfmoordpoging. Voor elke uitkomst produceerde het model een voorspelde kans, in wezen een gepersonaliseerde risicoschatting gebaseerd uitsluitend op informatie die in principe tijdens standaard transitieprogramma’s verzameld kan worden.

Wat de modellen wel en niet konden voorspellen

De prestaties van de modellen verschilden per uitkomst. Het dakloosheidsmodel bereikte een gematigd niveau van nauwkeurigheid, en het model voor zelfmoordpogingen presteerde nog beter. Toen de onderzoekers voormalige soldaten rangschikten op voorspeld risico en keken naar de bovenste delen van die verdeling, vonden ze een zinvolle "concentratie van risico." De 10% van soldaten met het hoogste voorspelde risico op dakloosheid was verantwoordelijk voor ongeveer 27% van degenen die daadwerkelijk dakloos werden, en ongeveer 1 op de 12 mensen in deze hoogrisicogroep werd binnen een jaar dakloos. Voor zelfmoordpogingen ving de hoogste 20% van voorspeld risico ongeveer 61% van alle pogingen na ontslag, met grofweg 1 op de 30 die binnen een jaar een poging deed. Ter vergelijking: het werkloosheidsmodel presteerde slechts iets beter dan toeval en werd niet als nuttig beschouwd om ondersteuning op te richten.

Overlappende gevaren, verschillende behoeften

Aangezien dezelfde persoon risico kan lopen op meer dan één slechte uitkomst, onderzochten de onderzoekers vervolgens hoe deze risico’s overlappen. Met behulp van de modellen voor dakloosheid en zelfmoordpogingen plus het eerdere model voor suïcidedood, labelden ze ieder persoon als "hoog risico" of niet voor elke uitkomst en kruisten de resultaten. Iets meer dan 28% van de voormalige soldaten viel in een hoogrisicogroep voor ten minste één uitkomst: 18% had een hoog risico voor slechts één probleem, terwijl ongeveer 10% een hoog risico had voor twee of alle drie. Degenen met meerdere risico’s vertoonden vooral hoge concentraties van daadwerkelijke dakloosheid en zelfmoordpogingen, wat suggereert dat zij intensievere, integrale ondersteuning nodig kunnen hebben. Tegelijkertijd waren veel personen die als hoog risico voor één uitkomst werden aangemerkt niet hoog risico voor de andere uitkomsten, wat impliceert dat programma’s die zich op één thema richten belangrijke kwetsbaarheden elders kunnen missen.

Wat deze risico’s vormgeeft

Het team bekeek ook, in brede lijnen, welke soorten factoren de voorspellingen het sterkst beïnvloedden. Maatregelen voor geestelijke gezondheid en eerdere self-injury waren over het algemeen de krachtigste klasse voorspellers, vooral voor zelfmoordpogingen. Kenmerken van de militaire loopbaan—zoals het verlaten van de dienst op jongere leeftijd, een lagere rang, minder maanden actieve dienst of het ontvangen van een minder-eervol ontslag—hingen sterk samen met het risico op dakloosheid. Levensstressoren en sociaaleconomische factoren droegen ook bij. Belangrijk is dat de onderzoekers benadrukken dat dit geen eenvoudige oorzaak-gevolgbevindingen zijn, maar patronen die de modellen helpen aanscherpen in het signaleren van wie mogelijk extra ondersteuning nodig heeft.

Van voorspelling naar betere ondersteuning

De hoofdconclusie voor een leek is dat zorgvuldige analyse van informatie die vóór het verlaten van de actieve dienst wordt verzameld, onze capaciteit aanzienlijk kan verbeteren om te identificeren wie waarschijnlijk zal worstelen met dakloosheid of suïcidaal gedrag in de jaren daarna. Werkloosheid, althans zoals in deze studie gemeten, bleek moeilijker te voorspellen. De auteurs betogen dat, zodra effectieve interventies duidelijk zijn gedefinieerd en getest, zulke risicotools kunnen helpen voorbij een one-size-fits-all aanpak voor transitieprogramma’s te gaan. In plaats daarvan kunnen middelen worden afgestemd: licht intensieve diensten voor degenen met laag risico, gerichte huisvestingshulp voor wie vooral voor dakloosheid is aangemerkt, suïcidegerichte zorg voor wie risico op zelfbeschadiging loopt, en meer intensieve, gecoördineerde ondersteuning voor de kleinere groep met meerdere ernstige risico’s.

Bronvermelding: Borowski, S., Edwards, E.R., Geraci, J.C. et al. Joint models targeting U.S. Army soldiers at high-risk of post-separation unemployment, homelessness, and suicide-related behaviors. npj Mental Health Res 5, 10 (2026). https://doi.org/10.1038/s44184-026-00192-8

Trefwoorden: overgang na militaire dienst, dakloosheid, suïcidepreventie, veteranen, machine learning