青少年非自杀性自伤的病理学谱系与纵向相关因素：一种机器学习方法

这项研究对家庭和社区为何重要

非自杀性自伤（NSSI）——有意伤害自身身体但并非想要自杀——在青少年和年轻人中令人担忧地常见。它令父母恐惧，令年轻人痛苦，并且与随后出现的心理健康问题和自杀风险密切相关。本研究随访了巴西的一批儿童，从童年到成年早期，探问一个关键问题：最终出现自伤行为的年轻人是否存在不同类型，我们能否及早识别出最有风险的人以提供帮助？

通向同一有害行为的两条不同路径

研究人员利用来自超过1,300名儿童的巴西高风险队列研究数据，应用机器学习工具根据心理健康特征将报告NSSI的青少年和青年分组。这些在大数据中寻找模式的工具在244名有自伤行为的年轻人中揭示了两种明确的谱系：一种总体心理困难水平较高，另一种相对较低。还有超过1,100名未报告NSSI的同龄人作为对照组，帮助研究团队理解自伤群体的不同之处。尽管表现出相同的行为，这两类NSSI人群在既往史和随时间演变的挑战模式上截然不同。

一个早期且持续问题的高困扰群体

第一类谱系——“高困难”组——包括那些从很小就表现出明显问题的年轻人。作为儿童时，他们更可能患注意力缺陷/多动障碍（ADHD）、父母冲突、与照护者关系紧张，以及有情绪障碍的父母。进入青春期后，他们的情绪和行为问题加重：更多的焦虑与抑郁、退缩、进食问题、情绪爆发、被欺凌以及甚至超重——这些都是压力不断积累的信号。到青春后期和成年早期，这一组表现出高发的确诊抑郁、攻击性行为、创伤史和精神科用药史。他们的自伤往往更频繁、更严重，反映出在家庭、学校以及内心中长期累积的困难链条。

症状较轻但仍通向自伤的更低显性问题路径

第二类谱系——“较低困难”组——在大部分童年时期看起来与一般人群更为接近。这些年轻人在早期心理健康症状较少，且平均自我控制能力更好，这是一种帮助人在行动前先停顿思考的认知技能。他们早期也报告较少的家庭冲突与物质接触。挑战在中期青春期左右才显现，以停学、半日制就学、某些强迫性或注意力问题以及兼职或打工为特征。到青春后期，他们报告抑郁情绪以及乐观和幸福感的下降，但并未呈现第一组那种广泛且严重的精神病理图景。许多人仍然参与学校、文化活动和工作。对于他们而言，自伤似乎与长期精神疾病的关联较弱，更像是在日常生活压力超出其应对资源时，采用的一种不适应的应对方式。

机器学习如何帮助串联这些线索

传统统计方法常难以预测谁会自伤，因为风险因素相互重叠并以复杂方式相互作用。在本研究中，研究者使用了两步机器学习流程。首先，一种称为自组织映射（Self-Organizing Map）的算法创建了青年心理健康谱系的“地图”，然后聚类方法将该地图划分为两个NSSI子组和一个非NSSI对照组。第二步，其他算法——包括弹性网和随机森林模型——从三个时间点收集的几十个变量中筛选，如诊断、症状、家庭因素、学校经历和认知等。这些模型在区分各组方面表现优于随机，尤其是在识别高困难谱系时，并指出了若干因素的组合：对高风险组而言，ADHD、欺凌、创伤和父母情绪问题等因素被突出；对较低困难组而言，停学、完美主义以及随后出现的症状更为重要。

对预防和支持的启示

对普通读者而言，主要信息是并非所有自伤的青少年都符合同一种模式。有些人多年显著挣扎，心理和社会问题多重叠加；另一些人直到青春后期看起来相对适应良好，但随后生活压力和较轻的问题逐渐超出其应对能力，导致自伤。两组的自伤都是痛苦的信号，而不仅仅是“寻求注意”。研究表明，预防需要多层面努力：及早识别并治疗儿童期的心理健康问题和家庭压力；学校和社区减少欺凌的举措；以及便捷可及的简短技能导向干预，教导更健康的情绪管理方式，即使是那些不符合正式精神障碍诊断的青少年也应受益。认识到不同路径可以通向同一危险行为后，家庭、学校和卫生系统可以更灵活地响应，从而在最终更有效地保护年轻人的未来。

引用: Croci, M.S., Brañas, M.J., Finch, E.F. et al. Psychopathology profiles and longitudinal correlates of nonsuicidal self-injury in youth: a machine-learning approach. Transl Psychiatry 16, 99 (2026). https://doi.org/10.1038/s41398-026-03832-x

关键词: 非自杀性自伤, 青少年心理健康, 机器学习, 青春期发展, 风险与保护因素