Gemensamma modeller riktade mot amerikanska armésoldater med hög risk för arbetslöshet, hemlöshet och självmordsrelaterade beteenden efter avsked

Varför detta spelar roll för livet efter militärtjänst

Varje år lämnar nästan 200 000 amerikaner de väpnade styrkorna och går in i civilt liv. För många är övergången svår: att hitta stadig sysselsättning, behålla tak över huvudet och bibehålla psykisk hälsa kan vara verkliga utmaningar. Denna studie ställer en praktisk fråga med liv-eller-död-konsekvenser: kan vi använda information insamlad innan en soldat lämnar armén för att upptäcka vem som mest sannolikt kommer att drabbas av hemlöshet eller suicidalt beteende i efterhand, så att knappa stödtjänster kan riktas dit de behövs mest?

Följa soldater bortom uniformen

Forskarlaget byggde på ett stort, långsiktigt projekt som har följt tiotusentals amerikanska armésoldater från aktiv tjänst in i civilt liv. Från denna bredare insats fokuserade de på 7 188 före detta soldater från Regular Army som hade fyllt i detaljerade enkäter om bakgrund, militär karriär, hälsa och livserfarenheter. Dessa enkät­svar kopplades till uppföljningsinformation om vad som hände dem under de första tre åren efter att de lämnat aktiv tjänst: om de var arbetslösa, upplevde hemlöshet, gjorde ett icke-dödligt självmordsförsök eller dog genom självmord. För självmordsdödsfall förlitade sig teamet på en tidigare modell byggd på administrativa register för nästan en miljon före detta soldater.

Förvandla enkät­svar till riskindikatorer

För att omvandla dessa data till användbara varningar använde teamet moderna prediktionsverktyg hämtade från datavetenskapen. Istället för att förlita sig på en enda statistisk formel kombinerade de flera metoder i ett "ensemble" som söker efter komplexa mönster som kopplar föravskedsinformation till senare utfall. De testade modeller för tre utfall över de första tre åren efter separation: arbetslöshet vid tidpunkten för enkäten; hemlöshet vid någon tidpunkt; och icke-dödligt självmordsförsök. För varje utfall producerade modellen en förutsagd sannolikhet, i praktiken en personlig riskuppskattning baserad enbart på information som i princip kan samlas in under standardprogram för övergång.

Vad modellerna kunde och inte kunde förutsäga

Modellerna presterade ojämnt mellan utfallen. Hemlöshetsmodellen nådde en måttlig nivå av noggrannhet, och modellen för självmordsförsök fungerade ännu bättre. När forskarna rangordnade före detta soldater efter förutsagd risk och tittade på de övre delarna av fördelningen fann de en betydande "koncentration av risk". De 10 % av soldaterna med högst förutsagd risk för hemlöshet stod för ungefär 27 % av dem som faktiskt blev hemlösa, och ungefär 1 av 12 i denna högriskgrupp upplevde hemlöshet inom ett år. För självmordsförsök fångade de 20 % med högst förutsagd risk omkring 61 % av alla försök efter separation, med ungefär 1 av 30 som försökte begå självmord inom ett år. Däremot var arbetslöshetsmodellen endast marginellt bättre än slumpen och ansågs inte användbar för riktade insatser.

Överlappande faror, olika behov

Där samma person kan vara i riskzonen för mer än ett ogynnsamt utfall frågade forskarna därefter hur dessa risker överlappar. Med hjälp av modellerna för hemlöshet och självmordsförsök samt den tidigare modellen för självmordsdöd klassificerade de varje person som "högrisk" eller inte för varje utfall och korsklassificerade resultaten. Precis över 28 % av före detta soldater hamnade i en högriskgrupp för minst ett utfall: 18 % var högrisk för endast ett problem, medan omkring 10 % var högrisk för två eller alla tre. De som hade flera risker visade särskilt höga koncentrationer av faktisk hemlöshet och självmordsförsök, vilket tyder på att de kan behöva mer intensiva, samordnade insatser. Samtidigt var många individer som flaggades som högrisk för ett utfall inte högrisk för de andra, vilket antyder att program som fokuserar på en enskild fråga kan missa viktiga sårbarheter på andra områden.

Vad som formar dessa risker

Teamet undersökte också, i breda drag, vilka slags faktorer som mest påverkade förutsägelserna. Mått på psykisk hälsa och tidigare självskadebeteende var generellt den mest kraftfulla gruppen av prediktorer, särskilt för självmordsförsök. Armékarriärsfaktorer—såsom att lämna tjänsten i yngre ålder, ha lägre grad, färre månader i aktiv tjänst eller få en mindre än hedervärd avskedscertifikat—var starkt kopplade till risken för hemlöshet. Livsstressor och socioekonomiska faktorer bidrog också. Viktigt är att forskarna betonar att detta inte är enkla orsak-verkansfynd, utan mönster som hjälper modellerna att bättre flagga vilka som kan behöva extra stöd.

Från prediktion till bättre stöd

För en lekman är huvudslutsatsen att noggrann analys av information som samlats in innan soldater lämnar aktiv tjänst kan avsevärt förbättra vår förmåga att identifiera vilka som mest sannolikt kommer att kämpa med hemlöshet eller suicidalt beteende under de följande åren. Arbetslöshet, åtminstone som mätt i denna studie, visade sig vara svårare att förutspå. Författarna menar att när effektiva interventioner väl är tydligt definierade och testade, skulle sådana riskverktyg kunna gå bortom en enda lösning för alla i övergångsprogram. Istället skulle resurser kunna skräddarsys—lättare insatser för dem med låg risk, riktat bostadsstöd för dem som främst flaggas för hemlöshet, suicidfokuserad vård för dem i riskzonen för självskada, och mer intensiv, samordnad support för den mindre grupp som står inför flera allvarliga risker.

Citering: 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

Nyckelord: övergång från militären, hemlöshet, självmordsprevention, veteraner, maskininlärning