Development of an interpretable prediction model for adolescent suicide attempts using machine learning-Based feature selection

본 연구의 목적은 청소년 자살시도와 관련된 핵심 위험요인을 식별하고, 이를 기반으로 해석 가능하고 실증적인 예측 모형을 개발하는 데 있다. 이를 위해 2023년-2024년 청소년건강행태조사 (Korea Youth Risk Behavior Survey, KYRBS) 자료를 활용하였으며, 자살시도 여부를 반응변수로 설정하였다. 설명변수 선정 과정에서는 5가지 머신러닝 기법 (랜덤포레스트, XGBoost, AdaBoost, gradient boosting, light gradient boosting machine)을 적용하여 변수 중요도를 산출하고, 각 기법에서 도출된 중요도 순위의 총합을 기준으로 상위 20개 변수를 최종 선정하였다. 해석 가능하고, 실증적인 모형개발을 위해 선정된 변수를 활용하여 복합표본 설계를 반영한 로지스틱 회귀모형을 구축하고, 이를 활용하여 청소년 자살시도에 영향을 미치는 요인과 영향의 크기를 분석하였다. 분석 결과, 우울감, 외로움, 스트레스, 중증도 이상의 범불안장애 등 정신건강 관련 변수와 폭력피해 경험, 습관적 약물 사용, 음주 경험과 같은 건강위험 행동 요인이 청소년 자살시도 위험의 주요 예측요인으로 도출되었다. 특히 최종 예측 모형에서는 범불안장애가 심한 경우 가장 큰 오즈비 (OR: 4.25)를 보였으며, 폭력피해 경험 (OR: 3.81)과 우울감 (OR: 2.84) 또한 자살시도 위험을 유의하게 증가시키는 요인으로 확인되었다. 본 연구는 청소년 자살시도 예측에 있어 중요한 위험요인을 체계적으로 제시하였으며, 머신러닝 기반 변수선정과 전통적 통계모형을 결합한 분석 전략의 활용 가능성을 보여준다. 이러한 접근은 향후 청소년 정신건강 관련 예측모형 연구뿐만 아니라, 실제 예방 정책 및 중재 전략 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.