カリフォルニア大学デービス校の研究チームは、拳銃の取引データから「銃器による自殺」を予測する機械学習モデルを構築した。JAMA Network Openからこのほど公開された研究成果は、リスク層別化に基づく標的型介入に利用できる可能性を示唆している。
研究では、1996年から2015年にかけて190万人超で観察された約500万件の拳銃取引について、カリフォルニア州の販売店記録（DROS）データベースを活用したモデル構築を行なっている。DROSデータベースには、購入者のIDや住所、取引日時、販売者のID、銃器の口径、種類、メーカー、モデル名などが含まれている。データ内での「拳銃購入後1年以内の銃器自殺」は、全取引数の0.07%（3278件）にみられた。銃器自殺リスクを予測するランダムフォレストモデルは、検証データセットにおいて、実際の銃器自殺の約4割を「最高リスク」と評価することができたほか、リスクスコアが特に高い群においては、実に3分の2以上で1年以内での銃器自殺による死亡を認めていた。
個人レベルの銃器取引記録の大規模な機械学習分析は、本研究が最初となる。結果的に自殺予防のための高リスク者特定における有効性が示唆されており、著者らは「今後は銃器自殺と強い関連を持つ銃器特性、および個人・コミュニティの特性把握が欠かせない」として、さらなる研究継続を明確にしている。
関連記事：
