研究：LightGBM在急诊分诊数据上预测30天内自杀相关行为

结论

约翰内斯堡大学团队的期刊论文报告：仅用急诊入院时可获得的结构化分诊数据，LightGBM在MIMIC-IV独立测试集上预测30天内自杀相关行为的AUROC为0.88、召回率为0.79。这个结果是回顾性单数据库评估，不代表已完成临床部署，也不能替代医护判断。

研究对象与方法

研究使用MIMIC-IV公开、去标识化数据库，将患者级数据划分为训练、验证和测试集，目标是预测急诊就诊后30天内的自杀相关行为。输入是入院时已有的结构化分诊信息，而不是依赖后续访谈或额外检查。

• 作者比较了逻辑回归、随机森林、XGBoost、LightGBM和多层感知机，并用AUROC、AUPRC、召回率、F2分数、MCC、平衡准确率、阈值优化、决策曲线和SHAP评估。

主要结果

论文报告LightGBM在独立测试集上AUROC为0.88、AUPRC为0.25、召回率为0.79、F2分数为0.41；作者称其在整体区分度、少数类识别、灵敏度与决策稳定性之间较平衡。SHAP分析把既往精神病史、年龄和生理变量列为重要贡献因素。

限制与研究状态

该研究是MIMIC-IV的回顾性二次分析，外部人群、不同急诊流程和真实部署中的表现仍未知。作者明确提出需要外部验证和前瞻性研究；AUPRC等指标受数据分布与阈值影响，不能直接换算为个体风险或临床收益。

Scientific Reports页面列出论文已于2026年7月22日接收、2026年8月2日在线发表，并注明当前是未编辑早期版本，正式出版前可能继续修改。页面未明确展开具体同行评审流程，因此本文只按已接收的期刊论文报道，不把它写成最终编辑版或已获临床验证的系统。

潜在意义

如果后续在不同机构和人群中验证，这类模型可能帮助急诊分诊、随访安排和早期干预排序；在证据成熟前，其定位只能是研究性决策支持，不能取代临床评估。