Screening Adolescent Suicidal Behavior and Risk Factors: A Machine-Learning Approach

Seon-Hi Shin; Bossng Kang; Myung-Suk Woo; Youn-Ju Park

doi:10.32431/kace.2024.27.5.007

추천

검색

질문

자료유형: 학술저널

저자정보: Seon-Hi Shin (Hanyang University) Bossng Kang (Hanyang University) Myung-Suk Woo (Korea National University of Education) Youn-Ju Park (Korea National University of Education)

저널정보: 한국컴퓨터교육학회 컴퓨터교육학회 논문지 컴퓨터교육학회논문지 제27권 제5호

발행연도: 2024.8

수록면: 67 - 78 (12page)

DOI: 10.32431/kace.2024.27.5.007

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This study aimed to create machine learning-based screening tools for middle school students to predict suicide planning or attempts in school settings, and to identify the risk factors. A total of 3,812 records from a national database established through rigorous sampling designs, the 2022 Korean Youth Risk Behavior Web-based Survey (KYRBWS), were used to ensure high generalizability and minimize bias of the study’s outcomes. Five machine-learning models, utilizing various algorithms available in SAS or Python, underwent training with a 10-fold validation process. Performance evaluation included metrics such as accuracy, sensitivity, specificity, and AUC, resulting from using a common unseen test dataset. Feature importance was interpreted through the average absolute values of Shapley additive explanations (SHAP) as well as the standardized regression coefficients. The artificial neural-network model with three hidden layers and dropout layers between each dense layer emerged as the top performer. It achieved sensitivity and AUC exceeding 91%, with accuracy and specificity at 86%. However, all five models, utilizing an optimal set of nine features, demonstrated strong performance. Mental health features such as suicidal thoughts, feeling lonely, or feeling sad, and the subjective perception of dental health emerged as significant risk factors. Adolescents considering suicide were approximately 12.7 times more likely to make plans or attempt suicide than their peers without such ideation (OR = 12.7; 95% CI = [8.0-20.1]). Individuals perceiving dental health as "Very bad" were 4.4 times more prone to suicidal behavior than those with "Average" ratings (OR = 4.4; 95% CI = [1.4-13.5]). Those always feeling lonely were 2.8 times more likely to engage in suicidal behavior (OR = 2.8; 95% CI = [1.1-7.1]), while persistent feelings of sadness increased the likelihood by 1.8 times (OR = 1.8; 95% CI = [1.2-2.8]). The study also offers valuable guidance on algorithm selection and suitable options for similar applications.

#Machine learning #Adolescent #Suicide risk #Predictive tool #School setting

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090657877

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)