Maskinlæring

Haghish argumenterer for en holistisk tilnærming der selvmord også kan

forstås som irrasjonell selvutslettelse.

Svar fra over 180 000 norske ungdommer mellom 12 og 20 år, hentet fra både Ung i Norge-studien (1992–1994) og Ungdataundersøkelsen (2014–2019), ble analysert.

For å undersøke betydningen av ulike risiko- og beskyttelsesfaktorer brukte Haghish to former for maskinlæring: individuelle algoritmer som prøver å predikere selvmordsforsøk basert på rådata fra undersøkelsene, og en læringsalgoritme som sammenligner ulike individuelle algoritmer og kombinerer dem for å oppnå best mulig prediksjon.

Funn

Selvskading, negative tanker og følelser om en selv og traumatiske opplevelser bidro til å forklare senere selvmordsforsøk. Kvaliteten på forholdet til foreldre og jevnaldrende, øvrig risikotaking, tilnærming til fremtiden og neglisjering av egne fysiske behov, hadde også betydning. Et annet viktig funn var at det var mulig å identifisere hvem som vil svare inkonsekvent på spørsmål om tidligere selvmordsforsøk.

For klinikere kan funnene inspirere til å bruke flere spørsmål for å identifisere selvmordsrisiko, for eksempel om sosiale forhold, risikotaking, fremtidsoptimisme eller pasientens fysiske behov, og stille flere indirekte spørsmål for å forebygge selvmord.