《The Lancet Regional Health - Americas》：Analysis of health infrastructure and suicide rates in Brazil: a nationwide ecological spatial–temporal study, 2009–2023
编辑推荐：
自杀仍是全球重大公共卫生问题，对低收入和中等收入国家（LMICs）造成不成比例的影响，在这些国家，社会经济压力因素和有限的医疗卫生资源加重了疾病负担。本研究旨在刻画2009年1月至2023年12月期间巴西全国及其五个地理区域（北部、东北部、东南部、南部和中西部
自杀仍是全球重大公共卫生问题，对低收入和中等收入国家（LMICs）造成不成比例的影响，在这些国家，社会经济压力因素和有限的医疗卫生资源加重了疾病负担。本研究旨在刻画2009年1月至2023年12月期间巴西全国及其五个地理区域（北部、东北部、东南部、南部和中西部）的自杀率年度变化模式。此外，研究人员构建了一个整合社会人口学与卫生保健基础设施指标的协调数据集，并识别了市级基础设施组成部分中对自杀率分类最具信息量的因素。
研究人员整合了来自死亡信息系统（Sistema de Informa??o sobre Mortalidade/Sistema único de Saúde, SIM/SUS）、国家卫生机构登记系统（Cadastro Nacional de Estabelecimentos de Saúde, CNES）以及巴西地理与统计研究所（Instituto Brasileiro de Geografia e Estatística, IBGE）人口估计数据的全国性数据。主要分析在巴西所有城市的市级年度观测数据层面进行，涵盖全国超过170,000例自杀死亡。自杀率以每年每100,000人中的死亡数表示，并按低、中、高三个类别进行划分。研究人员采用基于极端梯度提升（Extreme Gradient Boosting, XGBoost）分类器模型的数据挖掘流程，识别了用于区分自杀率类别最相关的医疗保健基础设施特征。次要分析聚焦于自杀死亡的社会人口学特征刻画、心理社会照护中心（Centros de Aten??o Psicossocial, CAPS）的分布及其与自杀率的相关性。
结果显示，在描述性分析中，巴西所有区域的自杀率均呈上升趋势（2009年：4.5，95%置信区间[CI] 4.4–4.6；2023年：7.6，95% CI 7.5–7.7）。机器学习模型识别出医疗保健基础设施组成部分（如医疗机构、注册专业人员、初级保健单位、诊断服务和精神卫生设施）作为区分市级自杀率类别（低、中或高）最具信息量的特征，各区域准确率范围为72%（95% CI 69–75%）至79%（95% CI 76–81%）。CAPS的可获得性与所有区域较低的自杀率相关（ρ = ?0.71至?0.81，p < 0.01）。
在这项探索性分析中，一般医疗保健基础设施特征与自杀死亡率的变化相关，提示基本医疗卫生服务和精神卫生服务的可及性是区分各区域自杀率模式的有信息量的预测因子。聚合层面的发现不能假定在个体层面保持一致。
研究背景方面，自杀是全球主要死因之一，每年导致约70万人死亡。2019年全球自杀率估计为每100,000人中9人，且在不同区域和国家间存在显著差异。绝大多数自杀相关死亡发生在LMICs，这些地区的自杀模式与高收入国家存在差异，包括青少年中不成比例的高发病率。贫困、失业、债务以及不同人群间社会、医疗保健和保护服务的不平等获取等社会经济风险因素构成关键危险因素。尽管2000年至2021年间全球自杀率有所下降，但美洲是唯一出现增长的区域，增幅达17%。拉丁美洲每年近10万人死于自杀，2021年该率接近每100,000人中10人。巴西情况尤为令人担忧，2000年至2019年间自杀率上升43%。作为拉丁美洲最大且民族最多样的国家，巴西在民族构成、经济状况、城市化程度以及医疗保健基础设施可及性方面存在显著的区域异质性。这些差异使巴西成为理解卫生系统组织和服务可及性变化如何影响自杀风险和结果的关键场景。
社会决定因素在塑造自杀风险中发挥核心作用，但历史上在政策制定和规划中受到的关注有限。在人口层面，多种因素可影响自杀行为，包括社会压力源、城市基础设施、噪音和污染，以及卫生系统质量和支持。尽管约80%的自杀死亡个体在死亡前一年寻求过医疗保健，但多数接触发生在普通医疗环境中，未包含精神健康评估，错失了预防机会。卫生基础设施涵盖提供医疗保健服务所需的所有组成部分，从疾病预防和健康促进到治疗和应急响应。在自杀预防背景下，该基础设施通常聚焦于精神卫生服务。然而，在LMICs中，自杀行为并不总是仅与精神障碍相关，凸显考虑更广泛的社会、经济和环境决定因素的必要性。因此，针对整个卫生系统、促进预防性、促进性和响应性护理普遍获取的综合公共卫生方法，有可能对拉丁美洲多样化人群中的自杀预防产生更广泛和更可持续的影响。大多数将机器学习应用于自杀行为的研究聚焦于临床预测，强调个体症状、行为和个人特征以估计自杀企图或死亡的风险。
现有研究存在的突出问题包括：探索自杀特征尤其是LMICs中自杀特征的研究相对缺乏；拉丁美洲证据尤为稀缺，鉴于自杀负担上升及其人群独特风险特征；数据可靠性有限，受漏报、死亡错分类、脆弱的自杀和自杀企图监测系统以及围绕精神健康的文化污名等因素阻碍。尽管已有大量关于全球、国家和区域自杀率的分析，但探索卫生基础设施特征与自杀率关联的研究明显不足。这正是本研究的切入点——采用系统层面方法，利用数据挖掘和机器学习技术分析巴西全国范围内的自杀死亡与医疗保健基础设施的关联。
研究人员开展了这项全国性生态学时空研究，分析2009年1月至2023年12月期间巴西市级年度数据。分析单位为市级-年度。研究包含一项主要分析——检验医疗保健基础设施与自杀率类别的关联，以及两项次要分析：自杀死亡的描述性流行病学分析和CAPS的专门分析。
研究表明，在描述性分析中，巴西全国五个地理区域的自杀率在研究期间均呈上升趋势，全国增幅达66.7%。区域间存在显著差异：南部地区累积自杀率最高（每100,000人中9.2人），东北部最低（4.8人），但北部和东北部的增长率最为显著（分别为124.4%和89.2%）。男性自杀率为女性的3.6倍，这一模式在各区域一致。年龄分布方面，全国40-59岁年龄组自杀死亡数最多，但区域间存在差异：南部高龄个体（≥70岁）比例更高，而北部和中西部则以年轻成人（20-29岁）为主。种族/民族方面，原住民在北部（每100,000人中15.0人）和中西部（25.1人）的自杀率异常高。婚姻状况方面，离婚或分居者在各区域均占最大比例。教育程度方面，全国及多数区域最常见为4-11年受教育程度，但东北部以1-7年更为常见。死亡方式方面，窒息/吊死为全国各地区首要死因（70.7%），但第二常见方法存在区域差异：东北部、中西部和东南部为中毒，北部和南部则为火器。
在主要分析——自杀率分类与医疗保健基础设施指标的关联方面，各区域模型表现良好。数据集分布于各区域的自杀率类别如下：北部（n=3,131，低56%、中23%、高21%）、东北部（n=12,815，低49%、中30%、高21%）、中西部（n=3,512，低42%、中26%、高32%）、东南部（n=12,852，低46%、中22%、高32%）、南部（n=10,226，低29%、中22%、高49%）。利用各城市可用的医疗保健基础设施，模型预测城市级自杀率类别的准确率从0.72到0.79不等。模型依赖医疗保健基础设施的多个组成部分对自杀率类别进行分类。若干特征在各区域中持续具有信息价值，如SUS附属机构和专业人员数量、基本和多专科护理的可及性，以及CAPS的存在。具体而言，各区域排名前十的关键特征包括：SUS专业人员、CAPS、SUS机构、心理健康专业人员、基本卫生单位、多专科门诊、诊断设备、社区健康工作者、妊娠护理以及各类专科医生（如内科、牙科、肾脏科、心脏科等）。特征重要性分析显示，这些特征均与自杀率呈负相关，提示这些关键变量的较高数值与较低的自杀率相关。
在次要分析——CAPS评估方面，尽管巴西各区域的CAPS覆盖率相对相似（约每100,000人中1.3个单位），但自杀率差异悬殊，因此城市层面的评估更具信息价值。在三个评估时期（2009–2013年、2014–2018年、2019–2023年），CAPS数量与累积自杀率的相关系数持续为负且随时间增强（p < 0.01）：分别为?0.30、?0.41和?0.54，各区域增幅更高（?0.20至?0.81）。地图分析显示，CAPS存在与城市和低自杀率类别相关。巴西共有3,019个CAPS，分布在5,570个城市中的2,194个。按每100,000人计，各区域CAPS数量为：北部0.9、东北部1.7、中西部1.0、东南部1.1、南部1.5、全国1.3。
讨论部分，研究人员指出巴西各区域自杀死亡的社会人口学和地理特征存在显著异质性。南部地区自杀死亡率持续较高，而北部和东北部在研究期间增幅最大。城市基础设施，特别是医疗保健的质量和可及性，与自杀率相关联。机器学习模型表现良好，准确率72%–79%，一般医疗保健基础设施（包括基本护理服务、诊断服务、综合诊所、多专科初级保健单位、妊娠护理以及医师、牙医、护士等专业人员）成为最重要的区分因素。SUS机构和专业人员数量在各区域均为最具影响力的变量之一。巴西卫生系统是去中心化的，超过70%的人口完全依赖公共服务。服务分布受人口密度和经济指标指导：小城市通常仅提供初级保健，而大城市提供更全面的服务并作为区域中心。研究结果支持SUS基础设施与自杀率的关联。
关于CAPS，本研究首次在全国范围内系统检验了CAPS覆盖率与自杀率的关联。CAPS团队整合护士、精神科医生、治疗助理等，实行"开放门"政策，为所有需要的人提供社区精神卫生服务。CAPS的存在与精神病住院率下降相关，且与自杀率呈负相关。对于青少年自杀率上升的区域，CAPSi（儿童和青少年CAPS）可能特别相关。CAPS AD（酒精和药物CAPS）则针对物质滥用相关心理痛苦，而酒精和快克等是自杀的主要危险因素。
研究同时承认若干局限性：比较必须谨慎，因为自杀率计算使用的人口分母随时间和区域分布变化；人口老龄化、迁移和区域差异增长等人口学转变可能影响率估计；自杀死亡率受多种背景决定因素影响，包括经济不稳定、失业、社会不平等、城市化、致命手段可及性和物质使用趋势；分析为生态学性质且基于机器学习模型，结果应解释为相关性而非因果性；数据相关局限包括SIM和CNES记录不完整或不一致的报告、数据匿名化移除了潜在信息变量、无法区分医疗保健专业人员的专业；存在生态学谬误风险；国家卫生信息系统改善，特别是SIM中外因分类的扩展覆盖和增强，可能提高了自杀死亡的识别率，意味着观察到的部分增长可能反映改善的确定率而非真实发病率上升。
研究结论部分指出，自杀行为是多方面现象。研究表明医疗保健基础设施指标，包括一般服务、专业护理和CAPS的分布，与巴西区域自杀率模式密切相关。一般医疗保健服务、劳动力可及性和SUS机构是帮助区分全国自杀率类别的特征。区域间在自杀患病率、人口学特征和死亡方式方面的差异强化了因地制宜、区域特定方法的必要性。研究结果凸显了加强和扩展初级保健和可及精神卫生服务的相关性，以及文化和年龄适宜策略以及学校或社区基础倡议作为更广泛公共卫生规划一部分的重要性。未来研究可纳入额外城市级指标，如城乡分布、工业化、就业、教育和卫生设施，以更好理解结构特征与自杀率模式的对齐方式。减少自杀仍是重大公共卫生挑战，尤其在LMICs中，识别与自杀结果最一致的结构性因素可支持发展更具针对性和地方响应性的政策。
