搜索
自杀相关因素：来自大规模登记数据的流行病学依据PingQin,EsbenAgero,andPrebenBoMortensen概览•应用登记数据进行自杀研究•自杀相关因素家庭结构经济因素人口学因素健康卫生状况家族史•启示和建议应用登记数据进行自杀研究（一）•多数研究询问特定人群样本调查自杀的危险因素-优点：可获得全面详细的信息。如：心理解剖研究-局限性：容易产生偏见具体信息的遗忘对死者认知的有限性统计效能受限•使用登记数据进行自杀研究可以克服上述局限性应用登记数据进行自杀研究（二）•很多国家已开始使用大规模的登记数据进行自杀研究-优点：可获得大样本的研究群体增加统计效能，更精确的估计和推测数据登记过程统一，减少错误分类偏移风险数据详细而精确-局限性：某些想获得的资料可能未登记在册自杀相关因素•家庭结构•经济因素•人口学因素•健康卫生状况•家族史家庭结构（1）•婚姻状况-单身者较在婚者自杀危险显著增加（IRR：1.9，95%CI：1.8-1.9）-同居者较在婚者自杀危险也有所增加（IRR：1.3，95%CI：1.2-1.4）-控制社会-经济状况和精神疾病史的差异后发现：registeredpartner（如合法的同性恋“夫妻”）的自杀危险是在婚者的3.6倍（95%CI：1.7-7.7）-看起来在婚是自杀的保护因素家庭结构（2）•父母身份-独立于在婚、社会经济地位和精神疾病是自杀死亡危险的保护因素（QinandMortensen2003）-与自杀行为危险的下降有关（Linehanetal.1983;HoyerandLurd1993;JobeandMann1999）家庭结构（3）•婚姻状况和父母身份对自杀危险的影响在男女中有所不同-在婚对男性的保护性更强，而父母身份对女性的保护性更强（Qinetal.2000,2003;QinandMortensen2003）-父母身份对自杀危险的影响在女性中不因婚姻状况不同而有差异；但在男性中：成为父亲减少了在婚和同居男性的自杀危险却增加了单身男性的自杀危险（QinandMortensen2003）家庭结构（4）•子女丧亡和健康状况对父母自杀危险的影响-子女丧亡明显增加父母自杀的危险，尤其是子女早年的丧亡（如果子女1-6岁间死亡，对男性和女性自杀危险的比之比分别为5.2，95%CI：3.2-8.4和4.7，95%CI：2.1-10.2）-子女有精神障碍会显著增加父母的自杀危险，但父母本身有精神疾病史这种影响有所减少-尚无子女有躯体疾病对父母自杀危险影响的研究•对于已婚者，自杀危险也与其配偶的精神疾病和死亡状况有关经济因素•有经济压力如失业、低收入、经济困难的人群中自杀危险一般都较高-控制年龄和性别因素后发现：失业、残疾、低收入、健康状况差等明显增加自杀危险；进一步控制了精神疾病和其它因素之后却发现与这些变量相关的对自杀危险的影响有所下降甚至相反•劳动力市场状况、收入和健康状况对自杀危险的影响因性别不同而明显不同（Mortensenetal.2000;Qinetal.2003）人口学因素•多数国家城市比农村自杀率高，也有例外如中国•控制其它危险因素之后女性中城市自杀率高而男性则相反•丹麦的研究显示：出生于国外的丹麦人自杀危险相对高，但控制了其它因素之后只在女性中显著；非丹麦男性公民比出生于丹麦的男性公民自杀危险相对低健康卫生状况•已证实精神疾病是自杀的重要危险因素-精神疾病住院史与自杀的最高相对危险和最高危险均相关，尤其是出院初期-既往精神病住院史在女性中引起自杀的危险高于男性-精神疾病对男性自杀的归因危险为33.6%，对女性自杀的归因危险为53.6%•非精神疾病引起的健康状况差也是自杀明显的危险因素家族史•精神疾病和自杀的家族史与自杀危险相关，对青年人和成人早期的影响更强•父母、同胞的自杀死亡和精神疾病住院史在一般人群中是独立的自杀危险因素•自杀死亡家族史独立于精神疾病家族史明显增加自杀的危险启示和建议•自杀预防：针对全人群的自杀预防针对高危人群的自杀预防•应该集中对精神疾病进行预防性的干预并对干预方法进行评估•改善一般人群的卫生服务•增强社会凝聚力（社会政策的影响）•自杀预防策略要考虑性别差异对我国的启示•国外完善的登记制度值得借鉴，在我国究竟能够做到怎样的程度值得怀疑，但至少是一个很好的努力方向。•基于登记数据之上的自杀危险因素分析结果对于我们今后的研究和全国自杀预防策略的制定有一定的参考价值。讨论总体来说能够拥有这样详尽资料的数据库令人羡慕，其分析结果对我们有指导意义的是：自杀的原因不一定是精神疾病，自杀是一个独立的因素；有家族史对年轻人自杀危险的相对重要性高；婚姻状况与自杀危险之间的相关于我国情况类似；但我国的数据并没有发现父母身份是自杀危险的保护因素。这份资料的统计分析出自统计学家，统计学意义和实际的意义是不同的概念。这个数据库的资料是那么的丰富，统计学上有显著性的内容很多，有些可能是一些生态学方面的谬误，因为在大量的信息中有些因素可能被抵消；从研究的角度的来讲，最好首先有一个假设的模型，然后从数据中去验证或否定假设。