Int. J. Ment. Health Addiction：使用集成机器学习方法预测海洛因依赖人群的海洛因过量、缓解、使用和死亡风险

海洛因使用的增加是全球阿片类药物危机的主要因素。在过去十年中，海洛因的使用率、依赖率和死亡率急剧上升，虽然有证据表明，复发、缓解和其他结局存在一系列风险和保护因素，但这给临床医生带来了挑战，即如何综合和整合不断发展的证据基础，以指导临床决策并促进个性化医疗保健的提供。

这项研究旨在利用澳大利亚治疗结果研究 （ATOS） 的 11 年随访数据来解决这一差距，旨在开发一种临床风险预测模型，帮助临床医生计算海洛因相关结果的风险。 作者招募了在2001年-2002年期间的615名海洛因依赖者，即为ATOS队列，这是澳大利亚进行的最大和最长的海洛因依赖前瞻性纵向研究。

研究方法上，首先，在基线和每次随访时对参与者进行结构化访谈，使用具有既定心理测量特性的措施，包括人口统计学（年龄、性别、过去一个月的主要收入来源和过去一个月的住宿）、治疗史、吸毒史、注射相关健康、身心健康和精神病理学。使用阿片类药物治疗指数（OTI）评估过去一个月的吸毒和犯罪参与。使用DSM-IV 对当前海洛因依赖和过去一个月的重度抑郁症进行诊断。在基线时评估 PTSD、ASPD 和 BPD 的终生诊断。

统计分析方法上，作者应用集成机器学习方法预测了研究后 1 年、5 年和 10+年海洛因使用、缓解、过量和死亡的风险。首先，为每个结果训练和微调了集成学习模型：随机森林 （RF）、支持向量机 （SVM） 和弹性网络算法的组合；接着，使用灵敏度、特异性、F1 预测分数和准确性 （ACC） 评估机器学习算法的性能；最后，确定了每个算法的预测系数的相对特征重要性。

图1：海洛因使用和过量的 10 大性能和特征重要性预测因素。

就其对结局的重要性水平而言，最一致地排在前10位的变量包括：年龄;年龄首先变高，使用海洛因或注射;性创伤;完成学业的年限;监狱历史;严重的精神健康残疾;过去一个月的刑事参与;和过去一个月的苯二氮卓类药物使用。

图2：缓解的 10 大性能和特征重要性预测因子。

对于基线后 1 年、5 年和 10 年内发生的非致命性海洛因相关过量，特征重要性分析确定了年龄、首次使用海洛因的年龄、过量史、经历过人际创伤、过去一个月使用苯二氮卓类药物、过去一个月的犯罪参与、性别和完成学业的年限。

图3：死亡率的 10 大性能和特征重要性预测因子

在死亡率方面，特征重要性分析强调了年龄、首次高的年龄、基线前 12 个月内过量服用和经历过性创伤。

总之，这项研究提供了与海洛因依赖者使用、缓解、非致命性过量和死亡率相关的关键风险因素的临床相关信息，以帮助指导临床决策选择和定制干预措施，以确保在“正确的时间”将“正确的治疗”交付给“正确的人”。

文献出处：

Marel, C., Afzali, M.H., Sunderland, M. et al. Predicting Risk of Heroin Overdose, Remission, Use, and Mortality Using Ensemble Learning Methods in a Cohort of People with Heroin Dependence. Int J Ment Health Addiction (2024). https://doi.org/10.1007/s11469-024-01257-5