在全国性的青少年心理健康危机中，心理健康提供者正在努力提高他们对哪些儿童有自杀或自残风险的理解，以便提供者可以更早地进行干预。

许多旨在识别未来有风险的儿童的风险预测模型都基于不完整的数据，这限制了其准确性。现在，加州大学洛杉矶分校健康研究人员的一项研究表明，卫生系统存储和跟踪接受紧急护理的儿童数据的典型方式错过了相当一部分有自残想法或行为的人。

研究人员测试了他们设计的几种机器学习模型，发现它们在识别有自我伤害风险的儿童方面明显更好。

“我们预测哪些孩子将来可能有自杀念头或行为的能力不是很好，”该研究的主要作者，加州大学洛杉矶分校心理健康信息学和数据科学中心（MINDS）副主任Juliet Edgcomb博士说。“一个关键原因是我们的领域跳到预测，而不是停下来弄清楚我们是否真的在系统地检测每个接受自杀相关护理的人。我们试图了解我们是否可以首先在检测方面做得更好。

阅读完整的新闻稿。