Forscher der Universität von New South Wales haben Daten einer australischen Längsschnittstudie mit 14- bis 17-jährigen Jugendlichen verwendet, um über 4000 potenzielle Risikofaktoren für Selbstmord und Selbstverletzung zu sammeln. Mittels Machine-Learning-Modellen analysierten die Forscher diese Faktoren und stellten fest, dass psychische Gesundheitsprobleme wie Depressionen, Angstzustände und Verhaltensauffälligkeiten die wichtigsten Prädiktoren für das Risiko sind.
Im Vergleich zur alleinigen Berücksichtigung der Vorgeschichte von Selbstmordversuchen ermöglicht dieses Modell eine genauere Vorhersage des zukünftigen Selbstmord- und Selbstverletzungsrisikos. Die Studie ergab außerdem, dass das schulische und häusliche Umfeld ebenfalls wichtige Einflussfaktoren sind.
Diese Forschung zeigt, dass der Einsatz von Big Data und Machine Learning eine präzisere Einschätzung des Selbstmordrisikos bei Jugendlichen ermöglicht und so frühzeitige Interventionen erleichtert. Allerdings sollte die Anwendung des Modells auch soziale Umweltfaktoren berücksichtigen und nicht nur auf den individuellen psychischen Zustand reduziert werden.