基于LASSO 回归分析的大学生非自杀性自伤行为风险预测模型

Risk prediction model for non-suicidal self-injury behavior among college students based on LASSO regression analysis

摘要

目的 大学生非自杀性自伤(non-suicidal self-injury，NSSI)行为已成为重要的公共卫生问题，需建立有效的早期识别工具。本研究旨在基于最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)回归分析方法构建预测大学生NSSI行为的预测模型。 方法 2022年4至6月期间，通过线上平台对湖南、江西、湖北、山东、广东和吉林6个省份在校大学生进行问卷调查。收集大学生的一般社会学人口资料，使用青少年非自杀性自伤行为评定问卷、患者健康问卷-9、愤怒反刍思维量表、多重形式暴力量表、儿童期虐待问卷简版及简式版社区心理体验评估问卷进行调查。通过LASSO回归分析筛选出大学生NSSI行为的预测因素，构建大学生NSSI行为的预测模型并绘制列线图。采用受试者操作特征(receiver operating characteristic，ROC)曲线和校准曲线对预测模型的区分度和校准度进行评估。 结果 本研究共4 121名大学生参与，其中650名大学生存在NSSI行为，检出率为15.8%。LASSO回归分析结果显示：小学受欺凌经历、饮酒史、抑郁情绪、愤怒反刍思维和精神病样体验是大学生NSSI行为的预测因素。预测模型显示：大学生NSSI行为的发生风险=小学受欺凌经历×0.41+饮酒史×0.76+抑郁情绪×0.08+愤怒反刍思维×0.04+精神病样体验×0.05。ROC曲线结果表明：预测模型在训练集中的曲线下面积(area under the curve，AUC)为0.782，在测试集中AUC为0.769。校准曲线显示模型的预测值与实际值基本一致。 结论 本研究构建的预测模型具有较好的预测能力，并通过列线图实现模型结果可视化呈现。该预测模型能够根据大学生NSSI行为的危险因素评估其风险，帮助临床医师或教育者及时发现高危人群并进行早期干预。

Abstract

Objective Non-suicidal self-injury (NSSI) among college students has become a significant public health concern, highlighting the need for effective early identification tools. This study aims to construct a predictive model for NSSI among college students using the least absolute shrinkage and selection operator (LASSO) regression analysis. Methods From April to June 2022, an online questionnaire survey was conducted among college students in 6 provinces: Hunan, Jiangxi, Hubei, Shandong, Guangdong, and Jilin. Sociodemographic information was collected, along with assessments using the Adolescent Non-suicidal Self-injury Assessment Questionnaire, Patient Health Questionnaire-9, Anger Rumination Scale, Multiple Forms of Violence Scale, Childhood Trauma Questionnaire-28 item Short Form， and Community Assessment of Psychic Experiences. LASSO regression analysis was performed to identify predictors of NSSI, construct the predictive model, and develop a nomogram. Calibration curves and receiver operating characteristic (ROC) curves were used to evaluate the calibration and discrimination of the model. Results A total of 4 121 college students participated in this study, among whom 650 reported NSSI behaviors, yielding a detection rate of 15.8%. LASSO regression identified 5 predictors of NSSI: Experiences of bullying in primary school, history of alcohol use, depressive symptoms, anger rumination, and psychotic-like experiences. The predictive model was expressed as: Risk of NSSI = (bullying in primary school × 0.41) + (history of alcohol use × 0.76) + (depressive symptoms × 0.08) + (anger rumination × 0.04) + (psychotic-like experiences × 0.05). The area under the curve (AUC) of the predictive model was 0.782 for the training set and 0.769 for the testing set. Calibration curves indicated good agreement between predicted and observed values. Conclusion The predictive model demonstrated strong predictive ability and was visualized using a nomogram. This model can be used to assess the risk of NSSI among college students based on identified risk factors and may assist clinicians and educators in identifying high-risk individuals for early interventions.

Graphical abstract

关键词

非自杀性自伤行为 / 大学生 / 预测模型 / 最小绝对收缩和选择算子回归 / 心理风险评估

Key words

non-suicidal self-injury behavior / college students / predictive model / least absolute shrinkage and selection operator regression / psychological risk assessment

非自杀性自伤(non-suicidal self-injury，NSSI)行为是指在无自杀意图的情况下，因社会不认可等原因对自己身体造成故意伤害^[1-2]。《精神疾病诊断与统计手册(第5版)》^[3](the Fifth Edition of Diagnostic and Statistical Manual of Mental Disorders，DSM-5)将NSSI行为归为一个独立的诊断类别，并提出了相应的诊断标准，同时呼吁加强对该领域的关注和深入研究。NSSI行为与多种心理障碍(包括但不限于抑郁、焦虑、物质滥用、饮食失调和人格障碍等)类型存在显著相关性^[4-7]。最为严重的是，NSSI行为可被视作自杀意念、自杀行为和自杀死亡的显著预测因素^[8-9]。NSSI行为在青少年和年轻人中普遍存在^[10]。2019年全球疾病负担数据^[11]显示：自伤是10~24岁青少年伤残调整生命年(disability adjusted life years，DALYs)增长的第3大主要因素。中国大学生心理健康问题的元分析^[12]结果显示：大学生NSSI行为检出率为16.2%，是仅次于睡眠问题和抑郁的第3大心理健康问题。

有效干预NSSI的关键在于及时预测和识别^[13]，而建立NSSI行为的风险预测模型是实现其早期识别的关键技术。风险预测模型可通过特定因素预测个体在一定时间内发生特定事件的概率^[14]。在医学实践中，风险预测模型被广泛应用于预测某疾病未来的发病情况，以指导疾病防控工作。随着心理健康领域研究的不断发展，研究者们已构建抑郁、心理危机和自杀等主题的预警模型^[15-17]，并取得了良好的预测效果。目前，国内关于大学生群体NSSI行为的预测模型研究主要运用Logistic回归分析来识别预测因素^[18]。传统Logistic回归采用最小二乘法进行无偏估计，可能导致模型过拟合；同时，若未妥善处理变量间的多重共线性，还会影响模型的稳定性^[19-20]。因此，需要针对更广泛的大学生群体，采用优于传统方法的统计手段来建立大学生NSSI行为的风险预测模型。

最小绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)回归分析方法通过在传统的最小二乘法中引入惩罚项的方式将某些变量的估计系数压缩至零，以此筛选出与因变量最紧密相关的特征变量^[21]。LASSO回归分析能有效克服传统方法中变量间多重共线性和模型过拟合的问题，从而提升模型预测和概化能力。本研究旨在运用LASSO回归方法，系统探讨影响中国大学生NSSI行为的预测因素，构建风险预测模型，为自伤高危人群的早期识别提供依据。

1 对象与方法

1.1 伦理声明

本研究已获得中南大学湘雅公共卫生学院伦理委员会批准(审批号：XYGW-2022-65号)。

1.2 研究对象

根据每个变量10个事件(10 events per variable，10EPV)法^[22]计算构建模型所需的样本量，即阳性事件数量应至少是预测变量个数的10倍。本研究共纳入17个变量，阳性事件(大学生NSSI行为)的发生率估计为16.2%^[12]。基于此，计算得出的样本量为1 049名，考虑到10%的失访率，实际需要样本量为1 154名。本研究最终在2022年4至6月期间，采用方便抽样的方式收集了来自湖南、江西、湖北、山东、广东和吉林6个省份的4 121名大学生的调查问卷。调查通过“问卷星”平台在线进行，由学校负责人在课堂上向大学生分发问卷的二维码。调查开始前，研究对象被告知研究的目的和他们答案的保密性，以便他们决定是否参与此次调查。

1.3 研究工具

本研究依据现有的文献综述和理论框架，挑选了与大学生NSSI行为相关的4个关键领域(个人、家庭、学校和同伴)的影响因素，以此为基础设计了调查问卷。

1.3.1 一般社会人口学和个体行为问卷

包括性别、生源地、民族、大学水平、年级、专业类型、学校安全感、家庭经济状况、家庭结构、家庭关系、留守经历、小学被欺凌经历、中学被欺凌经历、性取向、吸烟史和饮酒史。

1.3.2 青少年非自杀性自伤行为问卷

青少年非自杀性自伤行为问卷^[23](Adolescent Non-suicidal Self-injury Assessment Questionnaire，ANSAQ)共12个条目，包含无明显组织损伤的自伤行为和有明显组织损伤的自伤行为(如“故意割伤自己”“故意抓伤自己”“故意咬伤自己”“故意掐伤自己”“故意用拳头打墙、桌子、窗户、地面等硬物”“故意拽掉自己的头发”“故意摩擦皮肤致伤”等)。本研究采用二分类方法(有/无)统计过去1年内NSSI行为的发生率。依据DSM-5所推荐的诊断标准^[3]，若研究对象在上述条目中任一NSSI行为的发生次数超过5次，则归类为“有”(NNSI组)；反之，则归类为“无”(对照组)。本研究中该量表克龙巴赫α系数为0.794。

1.3.3 患者健康问卷

患者健康问卷^[24](Patient Health Questionnaire，PHQ)-9是一种简便、有效的抑郁自评工具，主要用于筛查研究对象近2周的抑郁情况，具有良好的信效度。该量表包含9个项目，采用Likert 4级评分(0=完全不会，1=好几天，2=一半以上的天数，3=几乎每天)。本研究中该量表的克龙巴赫α系数为0.864。

1.3.4 愤怒反刍思维量表

愤怒反刍思维量表^[25](Anger Rumination Scale，ARS)包含19个项目，覆盖4个维度，即事后愤怒、愤怒记忆、报复想法和理解原因。采用Likert 4级评分(1=从不，2=偶尔，3=经常，4=几乎总是)，得分越高提示愤怒反刍思维越强。罗亚莉等^[25]对其进行了修改，使之更适用于测量中国大学生愤怒反刍思维的严重程度。本研究采用修订的中文量表，克龙巴赫α系数为0.959。

1.3.5 多重形式暴力量表

使用由Ho等^[26]开发的多重形式暴力量表(Multiple Forms of Violence Scale，MFVS)中的“目击家庭暴力”分量表。该分量表包含8个问题，用于评估研究对象在成长过程中目击家庭暴力的频率。采用Likert 5级评分(0=没有，1=很少，2=有时，3=经常，4=每日)。分数越高表示个体所目击的家庭暴力程度越严重。本研究中该分量表的克龙巴赫α系数为0.901。

1.3.6 儿童期虐待问卷简版

使用赵幸福等^[27]修订的中文版儿童期虐待问卷简版(Childhood Trauma Questionnaire-28 item Short Form，CTQ-SF)，该问卷包含28个问题，分为5个分量表，即情感虐待、身体虐待、性虐待、情感忽视及身体忽视。采用Likert 5级评分(1=从不，2=偶尔，3=有时，4=经常，5=总是)，得分越高表明经历的创伤程度越严重。本研究中该问卷克龙巴赫α系数为0.845。

1.3.7 简式版社区心理体验评估问卷

使用王东方等^[28]修订的社区心理体验评估问卷(Community Assessment of Psychic Experiences，CAPE)调查过去12个月青少年精神病样体验的发生频率。该问卷包含8个问题，采用Likert 4级评分(1=从不，2=有时，3=经常，4=几乎总是)，得分越高表明个体精神病样体验发生频率越高。本研究中该问卷克龙巴赫α系数为0.892。

1.4 统计学处理

采用SPSS 26和R 4.1.3软件进行数据处理与统计分析。计数资料以频数和百分比表示，采用χ²检验比较组间差异。非正态分布的计量资料以中位数(第1四分位数，第3四分位数)表示，组间差异比较采用Mann-Whitney U检验。

数据按照7:3的比例随机分为训练集和验证集。首先，利用R软件中的“glmnet”包进行LASSO回归，以是否发生NSSI行为为因变量，将单因素分析中具有显著性差异的变量纳入为自变量，进一步筛选影响NSSI行为的因素，通过10倍交叉验证确定最优λ值，筛选出关键预测变量；其次，使用“rms”包进行Logistic回归分析并构建预测模型及列线图，通过100次Bootstrap抽样对模型进行内部验证；最后，通过绘制校准曲线来评估模型的校准性能(校准曲线越贴近标准曲线说明模型的预测能力越好)，并计算受试者操作特征(receiver operating characteristic，ROC)曲线的曲线下面积(area under the curve，AUC)来衡量模型的区分能力。通常情况下，AUC<0.6表示模型区分度较差，0.6~0.75表示模型具有中等区分度，>0.75表示模型区分度较好^[29]。设置检验水准α=0.05，P<0.05为差异有统计学意义。

2 结 果

2.1 研究资料及大学生NSSI行为检出率

共4 121名大学生参与调查，其中男生1 267(30.7%)名，女生2 854(69.3%)名；双一流大学504(12.2%)名，普通本科院校2 883(70.0%)名，专科院校734(17.8%)名；大一、大二、大三、大四及研究生分别为2 101(51.0%)、1 229(29.8%)、578(14.0%)、153(3.7%)、60(1.5%)名。在调查点过去的12个月里，650名大学生存在NSSI行为，检出率为15.8%。

NISS组与对照组在性别、大学水平、专业类型、家庭关系、学校安全感、家庭经济状况、留守经历、性取向、吸烟史、饮酒史、小学被欺凌经历、中学被欺凌经历、抑郁情绪、愤怒反刍思维、目睹家庭暴力、儿童期虐待、精神病样体验方面的差异均有统计学意义(均P<0.05，表1)。

2.2 相关性分析

将单因素分析中有统计学意义的自变量进行相关性分析，并绘制热图，结果(图1)显示：饮酒史与吸烟史(r=0.32)呈轻度正相关，中学被欺凌经历与小学被欺凌经历(r=0.39)呈轻度正相关，儿童期虐待与目睹家庭暴力(r=0.48)、精神病样体验(r=0.37)呈轻度正相关，目睹家庭暴力与精神病样体验(r=0.43)、抑郁情绪(r=0.35)、愤怒反刍思维(r=0.36)呈轻度正相关，精神病样体验与抑郁情绪(r=0.51)、愤怒反刍思维(r=0.51)呈中度正相关，抑郁情绪与愤怒反刍思维(r=0.57)呈中度正相关(均P<0.001)。

2.3 大学生NSSI行为影响因素筛选

随着惩罚参数λ值的逐步增加，LASSO回归模型中的影响因素系数受到压缩，以防止过拟合。在交叉验证过程中，误差最小时对应的λ值(λ=0.002 742 685)被选定为模型的最佳选择(图2)。在此过程中，所有非零的回归系数对应的因素被筛选出来，共确定了9个预测变量：家庭关系、学校安全感、小学被欺凌经历、饮酒史、抑郁情绪、儿童期虐待、精神病样体验、目睹家庭暴力、愤怒反刍思维(表2)。

2.4 大学生NSSI行为Logistic回归模型构建

将LASSO回归分析筛选出的9个预测因子纳入Logistic回归模型中，通过逐步回归方法进一步筛选出与大学生NSSI行为相关的风险因素，最终保留5个显著变量(均P<0.05，表3)。构建预测模型显示：大学生NSSI行为的发生风险=小学被欺凌经历×0.41+饮酒史×0.76+抑郁情绪×0.08+愤怒反刍思维×0.04+精神病样体验×0.05。

2.5 大学生NSSI行为预测模型的列线图及效能验证

基于Logistic回归分析结果构建的大学生NSSI行为列线图模型如图3所示。

ROC曲线结果显示：列线图模型在训练集和验证集的AUC值分别为0.782和0.769(图4)。校准曲线结果显示：列线图模型在验证集中的预测值与实际观测值具有较高一致性(图5)。

LASSO：最小绝对收缩和选择算子。

3 讨 论

本研究首次将LASSO回归应用到NSSI行为影响因素的分析中，该方法通过压缩系数来进行变量选择，从而防止模型因过拟合而影响其泛化能力，最终可以得到一个更精简且预测性能更强的模型^[30]。基于此，本研究建立了适用于中国大学生NSSI行为的风险预测模型。

本研究共纳入4 121名大学生进行统计分析，结果显示：大学生NSSI行为检出率达15.8%。这与中国大学生NSSI行为发生率的荟萃分析结果(16.2%)基本一致^[12]。整体来看，大学生群体中NSSI行为检出率较高，及时预测和识别这种行为以采取必要的干预措施是至关重要的。

本研究最终筛选出5个因素构建模型：小学被欺凌经历，饮酒史，抑郁情绪，愤怒反刍思维和精神病样体验。本研究结果显示曾在小学遭受欺凌的大学生发生NSSI行为的风险是未遭受欺凌者的1.50倍。这与既往的研究^[31]一致，早期的校园欺凌经历可能会增加青少年乃至成年后的自伤和自杀风险。本研究中，饮酒史与大学生NSSI行为的相关性最为显著，有饮酒史的个体发生NSSI的风险是无饮酒史者的2.15倍。这可能是因为NSSI行为与饮酒一样具有成瘾性特征，均有共同的精神奖赏回路机制^[32]。抑郁情绪与大学生NSSI行为同样呈正相关，抑郁程度越严重，NSSI行为的发生率越高。美国一项针对临床青少年的研究^[33]发现：长期(超过6个月)的抑郁症患者更可能出现持续性自伤行为。本研究结果还表明：愤怒反刍思维能正向预测大学生的NSSI行为，即愤怒反刍思维水平越高，NSSI行为的发生率越高。这与既往相关研究^[34-35]结果一致。愤怒反刍思维是一种无效的情绪调节手段，可能增强消极思维，加剧抑郁或焦虑等负面情绪^[36]，导致个体诉诸NSSI行为来缓解消极的情绪体验^[37]。此外，本研究验证了精神病样体验对NSSI行为的预测作用，精神病样体验的频率越高，NSSI的发生率越高。精神病样体验在普通人群中表现为轻微的幻觉或妄想，尤其在儿童和青少年中常见^[38]。虽然精神病样体验可能是短暂且不影响社会功能的，但若频繁发生且强度较大，易引起困扰或功能下降，表明可能存在更复杂的心理问题^[39]，因此未来仍需深入探索和研究。

本研究开发了一个易于操作且具有可视化功能的预测模型，通过ROC和校准曲线证实该模型具有较高的预测准确性和良好的一致性。与既往的研究^[18]相比，本研究样本量较大，研究对象的招募涵盖多省份及不同专业，且未限制地区或类型。因此样本代表性强，能全面反映大学生整体情况。本研究采用LASSO回归分析精准筛选、优化变量，增强模型稳健性。与同类模型^[18]的AUC对比，本模型预测大学生NSSI行为风险更准确可靠。

本研究仍存在以下不足：首先，采用自我报告的方式收集数据，可能存在回忆偏差。研究未进行外部验证，未来的研究应进一步改进，以增强预测模型的泛化能力。其次，采用横断面设计，部分预测变量的时间尺度可能在结果变量的时间尺度之后，未来的研究需通过纵向研究设计或前瞻性调查来改进这一局限。最后，尽管纳入了学校环境、家庭环境和个人人格特征等方面的NSSI危险因素变量，但主要为主观性指标且变量数目偏少。为了进一步完善模型构建，后续研究可纳入与NSSI行为有关的客观临床指标，丰富变量的数目和种类。

综上，本研究发现在小学阶段遭受欺凌、有饮酒史、抑郁情绪、愤怒反刍思维及精神病样体验的大学生属于NSSI行为的高危人群。基于上述变量构建的预测模型具有较好的预测能力，并通过列线图实现了模型结果的可视化呈现。该预测模型能够根据大学生NSSI行为的危险因素情况对其行为进行风险评估，以便临床医师或教育者及时发现高危人群并进行早期干预。

参考文献

[1] Klonsky ED, Muehlenkamp JJ. Self-injury: a research review for the practitioner[J]. J Clin Psychol, 2007, 63(11): 1045-1056.

[2] Klonsky ED, Olino TM. Identifying clinically distinct subgroups of self-injurers among young adults: a latent class analysis[J]. J Consult Clin Psychol, 2008, 76(1): 22-27.

[3] American Psychiatric Association. Diagnostic and statistical manual of mental disorders [M]. 5th ed. Arlington, VA: American Psychiatric Association, 2013.

[4] Juli R, Juli L, Juli A, et al. Non suicidal self-injury and eating disorders[J]. Psychiatr Danub, 2024, 36(): 215-217.

[5] Chen XC, Xu JJ, Yin XT, et al. Mediating role of anxiety and impulsivity in the association between child maltreatment and lifetime non-suicidal self-injury with and without suicidal self-injury[J]. J Affect Disord, 2024, 347: 57-65.

[6] Zhou HY, Luo YH, Shi LJ, et al. Exploring psychological and psychosocial correlates of non-suicidal self-injury and suicide in college students using network analysis[J]. J Affect Disord, 2023, 336: 120-125.

[7] Wilkinson PO, Qiu T, Neufeld S, et al. Sporadic and recurrent non-suicidal self-injury before age 14 and incident onset of psychiatric disorders by 17 years: prospective cohort study[J]. Br J Psychiatry, 2018, 212(4): 222-226.

[8] Cooper J, Kapur N, Webb R, et al. Suicide after deliberate self-harm: a 4-year cohort study[J]. Am J Psychiatry, 2005, 162(2): 297-303.

[9] Guan K, Fox KR, Prinstein MJ. Nonsuicidal self-injury as a time-invariant predictor of adolescent suicide ideation and attempts in a diverse community sample[J]. J Consult Clin Psychol, 2012, 80(5): 842-849.

[10] Xiao Q, Song X, Huang L, et al. Global prevalence and characteristics of non-suicidal self-injury between 2010 and 2021 among a non-clinical sample of adolescents: A Meta-analysis[J]. Front Psychiatry, 2022, 13:912441.

[11] GBD 2019 Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019[J]. Lancet, 2020, 396(10258): 1204-1222.

[12] 陈雨濛, 张亚利, 俞国良. 2010―2020中国内地大学生心理健康问题检出率的元分析[J]. 心理科学进展, 2022, 30(5): 991-1004.

[13] CHEN Yumeng, ZHANG Yali, YU Guoliang. Prevalence of mental health problems among college students in Chinese mainland from 2010 to 2020: a Meta-analysis[J]. Advances in Psychological Science, 2022, 30(5): 991-1004.

[14] Ribeiro JD, Huang X, Fox KR, et al. Depression and hopelessness as risk factors for suicide ideation, attempts and death: Meta-analysis of longitudinal studies[J]. Br J Psychiatry, 2018, 212(5): 279-286.

[15] 张蕊, 郑黎强, 潘国伟. 疾病发病风险预测模型的应用与建立[J]. 中国卫生统计, 2015, 32(4): 724-726.

[16] ZHANG Rui, ZHENG Liqiang, PAN Guowei. Application and establishment of disease risk prediction model[J]. Chinese Journal of Health Statistics, 2015, 32(4): 724-726.

[17] Ballester L, Alayo I, Vilagut G, et al. Predictive models for first-onset and persistence of depression and anxiety among university students[J]. J Affect Disord, 2022, 308: 432-441.

[18] 王计生, 徐多勇, 唐莉, 等. 基于大数据的高校学生心理危机智能预警模型构建[J]. 成都医学院学报, 2024, 19(1): 111-115.

[19] WANG Jisheng, XU Duoyong, TANG Li, et al. Construction of an intelligent early warning model for psychological crisis of college students based on big data[J]. Journal of Chengdu Medical College, 2024, 19(1): 111-115.

[20] Kim SB, Jeong IS. Building and evaluating suicide attempt prediction models using risk factors[J]. Nurs Health Sci, 2021, 23(4): 925-935.

[21] 解子惠, 张云雪, 王清, 等. 基于列线图构建护理专业学生非自杀性自伤风险预测模型[J]. 中国心理卫生杂志, 2022, 36(7): 615-620.

[22] XIE Zihui, ZHANG Yunxue, WANG Qing, et al. Development of nomogram model for prediction of non-suicidal self-injury in nursing students[J]. Chinese Mental Health Journal, 2022, 36(7): 615-620.

[23] 张秀秀, 王慧, 田双双, 等. 高维数据回归分析中基于LASSO的自变量选择[J]. 中国卫生统计, 2013, 30(6): 922-926.

[24] ZHANG Xiuxiu, WANG Hui, TIAN Shuangshuang, et al. Independent variable selection based on LASSO in regression analysis of high-dimensional data[J]. Chinese Journal of Health Statistics, 2013, 30(6): 922-926.

[25] 秦瑶, 韩红娟, 陈杜荣, 等. 基于LASSO logistic回归模型的轻度认知障碍逆转预测模型[J]. 中国卫生统计, 2022, 39(5): 653-658.

[26] QIN Yao, HAN Hongjuan, CHEN Durong, et al. A predictive model for reversion of mild cognitive impairment based on lasso logistic regression model[J]. Chinese Journal of Health Statistics, 2022, 39(5): 653-658.

[27] Tibshirani R. Regression shrinkage and selection via the lasso[J]. J R Stat Soc Ser B Stat Methodol, 1996, 58(1): 267-288.

[28] Riley RD, Ensor J, Snell KIE, et al. Calculating the sample size required for developing a clinical prediction model[J]. BMJ, 2020, 368: m441.

[29] 万宇辉, 刘婉, 郝加虎, 等. 青少年非自杀性自伤行为评定问卷的编制及其信效度评价[J]. 中国学校卫生, 2018, 39(2): 170-173.

[30] WAN Yuhui, LIU Wan, HAO Jiahu, et al. Development and evaluation on reliability and validity of adolescent non-suicidal self-injury assessment questionnaire[J]. Chinese Journal of School Health, 2018, 39(2): 170-173.

[31] 胡星辰, 张迎黎, 梁炜, 等. 病人健康问卷抑郁量表(PHQ-9)在青少年中应用的信效度检验[J]. 四川精神卫生, 2014, 27(4): 357-360.

[32] HU Xingchen, ZHANG Yingli, LIANG Wei, et al. Reliability and validity of the patient health questionnaire-9 in Chinese adolescents[J]. Sichuan Mental Health, 2014, 27(4): 357-360.

[33] 罗亚莉, 刘云波. 愤怒反刍思维量表中文版大学生人群信效度检验[J]. 中国临床心理学杂志, 2017, 25(4): 667-670.

[34] LUO Yali, LIU Yunbo. The reliability and validity of Chinese version anger rumination scale in college students[J]. Chinese Journal of Clinical Psychology, 2017, 25(4): 667-670.

[35] Ho MY, Cheung FM. The differential effects of forms and settings of exposure to violence on adolescents’ adjustment[J]. J Interpers Violence, 2010, 25(7): 1309-1337.

[36] 赵幸福, 张亚林, 李龙飞, 等. 儿童期虐待问卷中文版的信度及效度评估[J].中国临床康复, 2005, 9(16): 209-211.

[37] ZHAO Xingfu, ZHANG Yalin, LI Longfei, et al. Evaluation on reliability and validity of Chinese version of chlidhood trauma questionnaire[J]. Chinese Journal of Clinical Rehabilitation, 2005, 9(16): 209-211.

[38] 王东方, 孙梦, 席畅, 等. 简式版社区心理体验评估问卷的性别和纵向等值性[J]. 中国临床心理学杂志, 2020, 28(1): 41-45.

[39] WANG Dongfang, SUN Meng, XI Chang, et al. Gender and longitudinal measurement invariance of the community assessment of psychic experiences-positive subscale[J]. Chinese Journal of Clinical Psychology, 2020, 28(1): 41-45.

[40] Mandrekar JN. Receiver operating characteristic curve in diagnostic test assessment[J]. J Thorac Oncol, 2010, 5(9): 1315-1316.

[41] 张沥今, 魏夏琰, 陆嘉琦, 等. Lasso回归: 从解释到预测[J]. 心理科学进展, 2020, 28(10): 1777-1791.

[42] ZHANG Lijin, WEI Xiayan, LU Jiaqi, et al. Lasso regression: from explanation to prediction[J]. Advances in Psychological Science, 2020, 28(10): 1777-1791.

[43] Serafini G, Aguglia A, Amerio A, et al. The relationship between bullying victimization and perpetration and non-suicidal self-injury: a systematic review[J]. Child Psychiatry Hum Dev, 2023, 54(1):154-175.

[44] Poon JA, Thompson JC, Forbes EE, et al. Adolescents’ reward-related neural activation: links to thoughts of nonsuicidal self-injury[J]. Suicide Life Threat Behav, 2019, 49(1): 76-89.

[45] Yen S, Kuehn K, Melvin C, et al. Predicting persistence of nonsuicidal self-injury in suicidal adolescents[J]. Suicide Life Threat Behav, 2016, 46(1): 13-22.

[46] Kazgan Kılıçaslan A, Yıldız S, Kurt O, et al. Comparison of non-suicidal self-injury and suicide attempts in relation to anger rumination[J]. Alpha Psychiatry, 2022, 23(2):82-88.

[47] Martino F, Caselli G, Di Tommaso J, et al. Anger and depressive ruminations as predictors of dysregulated behaviours in borderline personality disorder[J]. Clin Psychol Psychother, 2018, 25(2):188-194.

[48] 王琳琳, 许伽彬, 雷千乐, 等. 青少年反刍思维与非自杀性自伤相关性的Meta分析[J]. 中国心理卫生杂志, 2022, 36(9): 793-798.

[49] WANG Linlin, XU Jiabin, LEI Qianle, et al. A Meta-analysis of relationship between rumination and non-suicidal self-injury in adolescents[J]. Chinese Mental Health Journal, 2022, 36(9): 793-798.

[50] 尹慧芳, 徐浩林, 刘肇瑞, 等. 青少年非自杀性自伤行为的理论模型研究[J]. 中国心理卫生杂志, 2022, 36(8): 707-713.

[51] YIN Huifang, XU Haolin, LIU Zhaorui, et al. A review of theoretical models of non-suicidal self-injury (NSSI) in adolescents[J]. Chinese Mental Health Journal, 2022, 36(8): 707-713.

[52] Staines L, Healy C, Coughlan H, et al. Psychotic experiences in the general population, a review; definition, risk factors, outcomes and interventions[J]. Psychol Med, 2022, 52(15): 1-12.

[53] 闵令桂, 刘小群, 尹训宝, 等. 山东省青少年阈下抑郁及精神病性体验与非自杀性自伤的关联[J]. 中国学校卫生, 2024, 45(1): 77-81.

[54] MIN Linggui, LIU Xiaoqun, YIN Xunbao, et al. Association between subthreshold depression and psychotic-like experiences with non-suicidal self-injury among adolescents in Shandong Province[J]. Chinese Journal of School Health, 2024, 45(1): 77-81.

基金资助

湖南省研究生科研创新项目(CX20230322)

湖南省基础教育教学改革研究项目(Z2024171┫。This work was supported by the Hunan Province Graduate Research Innovation Project ┣CX20230322)

the Hunan Province Basic Education Teaching Reform Research Project(Z2024171)

China.开放获取(Open access)：本文遵循知识共享许可协议，允许第三方用户按照署名-非商业性使用-禁止演绎4.0(CC BY-NC-ND 4.0┫的方式)

China.开放获取(Open access)：本文遵循知识共享许可协议，允许第三方用户按照署名-非商业性使用-禁止演绎4.0(在任何媒介以任何形式复制、传播本作品┣https://creativecommons.org/licenses/by-nc-nd/4.0/)

RIGHTS & PERMISSIONS

开放获取(Open access)：本文遵循知识共享许可协议，允许第三方用户按照署名-非商业性使用-禁止演绎4.0(CC BY-NC-ND 4.0)的方式，在任何媒介以任何形式复制、传播本作品(https://creativecommons.org/licenses/by-nc-nd/4.0/)。