加州大学戴维斯分校暴力预防研究计划（VPRP）的一项新研究表明，机器学习是一种人工智能，可能有助于识别自杀高风险的手枪购买者。它还确定了预测枪支自杀的个人和社区特征。该研究发表在JAMA Network Open上。
之前的研究表明，购买后立即自杀的风险特别高，这表明收购本身是自杀风险升高的指标。
该算法确定的预测枪支自杀的风险因素包括：
- 老年
- 首次购买枪支的人
- 白人种族
- 住在枪支经销商附近
- 购买左轮手枪
“虽然限制自杀风险增加的个人获得枪支是拯救生命的关键机会，但准确识别风险人群仍然是一个关键挑战。我们的结果表明，手枪记录在识别高风险人群以帮助预防自杀方面具有潜在效用，”Hannah S说。Laqueur，急诊医学系助理教授，该研究的主要作者。
2020年，近48,000名美国人死于自杀，其中24,000多人死于枪支自杀。枪支是迄今为止最致命的自杀方法。获得枪支已被确定为自杀的主要风险因素，也是预防自杀的潜在重点。
方法论
为了看看一种算法是否可以识别有枪支自杀风险的枪支购买者，研究人员查看了加州经销商销售记录数据库（DROS）中近500万笔枪支交易的数据。这些记录从1996年到2015年，代表了近200万人。他们还查看了1996年至2016年间加州死亡记录中的枪支自杀数据。
该团队从交易数据中生成了41个预测变量。除其他数据点外，研究人员研究了手枪类别（如左轮手枪或半自动手枪）、口径尺寸、价格、枪支购买地点、买家之前的枪支购买、枪支购买、性别、种族和民族以及年龄。
研究人员运行了一种随机森林分类算法——它可以对广泛的数据进行预测。他们使用交易级别的数据来预测购买后一年内枪支自杀。
在被确定为风险最高的交易中，近40%，即983笔交易中的379笔，与一名在一年内死于枪支自杀的买家有关。
在随机森林评分或预测概率为0.95及以上的极少数交易中，69%（35分中的24笔）与一年内死于枪支自杀的购买者有关。
Laqueur说，研究在枪支获取和所有权与枪支自杀风险之间建立了明确而牢固的联系，但这项研究有助于越来越多的证据表明，计算方法可以帮助识别高风险群体并制定有针对性的干预措施。
研究人员警告说，首创的研究在很大程度上是“概念证明”。尽管如此，结果表明，利用手枪记录来识别高危人群以帮助预防自杀是可能的。他们还指出，许多枪支自杀发生在被归类为“低风险”的个人中，因此需要其他形式的干预来防止该群体的枪支自杀。
该研究的其他作者包括Colette Smirniotis、Christopher McCort和Garen J。来自VPRO和加州枪支暴力研究中心的Wintemute。
