学習障害を有する児童における自傷行為および非自殺的自傷行為の予測と有病率：サウジアラビアにおける機械学習アプローチ

本研究は、サウジアラビアにおける学習障害（LD）児の自傷行為および非自殺的自傷行為（NSSI）の有病率を推定し、高リスク個体を特定するための機械学習（ML）モデルを開発することを目的とした。 横断研究において、DSM-5に定義される特定のLDを有する392名の子ども（8～12歳）を臨床および地域チャネルを通じて募集し、構造化面接と自己報告を用いて生涯におけるNSSIおよび自傷行為を評価した。 反復特徴量除去法を用いて社会人口統計学的、学業的、臨床的、心理社会的変数の包括的セットをスクリーニングし、4種類の教師あり機械学習アルゴリズム（ペナルティ付きロジスティック回帰、ランダムフォレスト、エクストリームグラディエントブースト、サポートベクターマシン）および単純アンサンブルを10分割交差検証で訓練・評価した。 生涯NSSIは児童の16.1%、自傷行為は9.2%が報告した。全ての機械学習モデルはNSSIに対して優れた識別能を示した（AUC最大0.99）。エクストリームグラディエントブーストと多数決アンサンブルが最高の総合性能を達成した。自傷行為については、加重平均アンサンブルが感度と精度（AUC＝0.93）の最も良好なバランスをもたらした。 結果とアルゴリズムを横断して、仲間からの被害/いじめ、感情調節障害、抑うつ症状が最も堅牢な予測因子として浮上した一方、学習障害の重症度と不安症状の寄与は最小限であった。自傷行為と非自殺的自傷行為は、学習障害のあるサウジアラビアの子どもに多く見られ、機械学習モデルは最高リスク群を正確に特定できる。これは、教育および臨床現場における主要な介入対象として、いじめと感情調節障害を浮き彫りにしている。