빅데이터 기반 자살 예측 연구

제목	​빅데이터 기반 자살 예측 연구
추천 연구 논문	Classification of suicidal thoughts and behaviour in children: results from penalised logistic regression analyses in the Adolescent Brain Cognitive Development study. Br J Psychiatry . 2022 Apr;220(4):210-218. doi: 10.1192/bjp.2022.7.
선정 이유	본 연구팀이 현재 수행하고 있는 미국 소아청소년 발달 코호토 (ABCD) 빅데이터 분석에서 참고할 만한 내용 포함
주요 내용	사회경제적요소와 인구학적 요인, 그리고 뇌영상을 포함한 다양한 생물학적 요인 등을 통합하여 분석했을 때, 자살 생각 또는 행동 그룹을 건강한 대조군(수신자 작동 특성 곡선 아래 영역: 0.80 아동 보고서, 0.81 부모 보고서) 및 임상 대조군(0.71 아동 보고서 및 0.76 -0.77 부모 보고서)으로부터 구분할 수 있었음. 그러나 자살 생각이 있는 아동과 자살을 시도한 아동을 구별할 수 없었음(AUROC: 0.55-0.58 아동 보고서; 0.49-0.53 부모 보고서). 자살 생각 또는 행동 그룹을 임상 대조군과 구별하는 요인에는 가족 갈등, 전구 정신병 증상, 충동성, 우울증 중증도 및 정신 건강 치료 이력 등 포함됨. 이 연구는 대부분의 임상 정신과적 요인이 자살 생각이나 행동이 있는 아동과 자살 생각이나 행동이 없는 아동을 구별할 수 있음을 확인함. 이러한 변수가 후속 자살 행동을 전향적으로 예측하는지 여부를 결정하기 위해서는 향후 연구가 필요함.
시사점	이 연구는 빅데이터를 활용하여 중요한 정신과적 문제인 자살과 관련된 부분을 예측하고, 예측에 관여한 요인을 분석하고자 했다는데 의의가 있겠음. 하지만, 디지털표현형과 같이 행동학적으로 드러나는 특징과 관련된 데이터를 분석에 포함시키진 않았음. 이는 본 연구팀이 ABCD 코호트에서 생물학적, 인구학적 요소 뿐 아니라, 디지털표현형을 분석에 활용하고자 하는 측면에서 시사하는 바가 있음. 기존 연구를 바탕으로, 본 연구팀에서는 보다 통합적인 데이터셋을 구축하고 분석에 적용하고자 함.