在自杀风险研究中对稳定性和动态性脆弱性进行建模：对具有自杀念头的 military personnel（此处“military personnel”可根据具体语境译为“军队人员”或“军人”）中流体脆弱性理论（Fluid Vulnerability Theory）的机制性检验

《Behaviour Research and Therapy》：Modeling Stable and Dynamic Vulnerabilities in Suicide Risk: A Mechanistic Test of Fluid Vulnerability Theory in Military Personnel with Suicidal Ideation

　　亚历山大·卡尼克（Aleksandr Karnick）| 莱斯利·布里克（Leslie Brick）| 泰勒·赖斯（Tyler Rice）| 凯尔·威廉姆斯（Kyle Williams）| 摩根·罗宾逊（Morgan Robison）| 索菲·埃德尔曼（Sophie Edelman）| 海瑟·沙滕（Heather Schatten）| 托马斯·乔伊纳（Thomas Joiner）| 丹尼尔·W·卡普隆（Daniel W. Capron）
布朗大学精神病与人类行为系

**摘要**

**背景**
尽管自杀行为对美国军人及退伍军人的自杀死亡率贡献较大，但相关数据仍然缺乏深入研究。本研究旨在探讨自杀风险的潜在结构是否与“流动性脆弱性理论”（Fluid Vulnerability Theory, FVT）所区分的“稳定脆弱性”与“流动状态过程”相一致。

**方法**
分析了军事自杀研究联盟共通数据元素（2010–2023年；N=2,246）的汇总基线数据，采用多重插补法和零膨胀负二项（ZINB）回归进行分析。我们比较了三种模型：包含所有候选预测变量的完整模型、基于FVT区分特质过程和状态过程的模型，以及结合人口统计协变量的混合模型。

**结果**
与预定假设一致，完整模型的收敛性较差，表明参数设置过于复杂。相比之下，FVT模型和混合模型均表现出稳健的收敛性，并揭示了可解释的双过程结构。在不同模型中，创伤后应激障碍（PTSD）症状（OR = 1.14–1.15）和创伤性脑损伤（TBI）症状（OR = 1.20–1.22）均显著预测了更高的自杀尝试次数。加入人口统计协变量后，模型整体拟合度有所提升（ΔAIC = –41.1），但模型复杂性增加（ΔBIC = +56.0）。零膨胀成分（structural-zero components）表现出稳定性，表明该群体中的自杀风险主要由脆弱性梯度驱动，而非单一的“非尝试者”类别。值得注意的是，稳定脆弱性（如绝望感）与自杀意念的严重程度存在较强的二元关联，这支持了它们在风险过程中的“把关者”作用。

**结论**
使用结合稳定与流动过程框架对自杀尝试进行建模，相较于饱和模型而言，能获得更优的收敛性和理论连贯性。研究结果为FVT提供了定量支持，将该理论中的慢性脆弱性与短暂扰动联系起来，为一个精准评估和干预措施开发提供了理论依据。

**引言**
当潜在的心理脆弱性与情绪强度的突然变化结合时，就可能引发自杀行为。理解这些动态需要能够捕捉长期倾向性和风险激活状态依赖性变化的模型。“流动性脆弱性理论”（FVT, Bryan et al., 2020; Rudd, 2006）将自杀风险视为从自杀意念到行动的非线性转变过程，而非线性 progression。本研究通过定量框架测试了FVT的计算机实现，区分了决定长期脆弱性的特质因素（“把关者”）和触发短暂风险激活的流动状态因素（“升级器”）。这些区分旨在反映自杀风险过程中的功能角色，而非这些概念的固定时间特性。

**军事中的自杀风险**
在美国军队中，自杀行为一直是一个严重问题。自2011年以来，现役军人的自杀率持续上升；仅2023年就有523名军人自杀（国防部，2023年）。此外，自杀是现役军人的主要死因（国防伤亡分析系统，2023年）。美国退伍军人也存在较高的自杀死亡率：自杀是他们所有年龄段中第13大死因，在45岁以下退伍军人中则位列第二（美国退伍军人事务部，2023年）。这些悲剧性死亡事件对逝者的亲友以及军队的凝聚力及成员心理健康造成深远影响（Peterson et al., 2022）。

**流动性脆弱性理论**
当前的自杀理论大多基于“从意念到行动”的框架，区分了自杀意念的发展与自杀尝试或死亡的过程（Klonsky & May, 2015）。近年最具影响力的三个自杀理论——人际关系-心理理论（IPTS, Joiner, 2005）、三步理论（3ST, Klonsky & May, 2015）和综合动机-意志模型（IMV, O’Connor & Kirtley, 2018）——强调了脆弱性通过人际关系（如归属感受挫）或认知-情感过程（如绝望感）的累积。相比之下，“流动性脆弱性理论”（FVT, Rudd, 2006）不严格区分“意念”和“行动”阶段，而是提出“自杀风险模式”——在这些模式下，脆弱性和急性压力因素相互作用，导致自杀行为的迅速升级。FVT认为，某些认知-情感因素（如焦虑敏感性认知担忧、归属感受挫、绝望感）作为稳定脆弱性，提升基线自杀风险；而更急性的因素（如压力、急性物质使用、恐慌、创伤性事件）会突破阈值，触发自杀行为。

**自杀尝试的时间节点**
研究表明，从决策到行动的时间间隔可能非常短暂（数分钟至数小时）。这种急性风险因素的升高及强烈情感触发因素可能导致风险急剧上升，从而增加自杀的可能性。FVT将自杀视为一种非线性变化过程，其中一系列风险因素相互作用，导致风险状态从稳态失衡（即平衡状态）转变为突发风险状态。

**自杀的认知脆弱性**
FVT认为，潜在的脆弱性包括性格特质、认知过程和固有信念等，这些因素共同决定了基础自杀风险（Rudd, 2006）。这些因素反映了长期存在的认知和人际模式，但可能随情境或发展而变化。在本研究中，我们重点关注三种可能的脆弱性因素：（1）焦虑敏感性认知担忧（ASCC）、归属感受挫（TB）和绝望感。

**结论**
使用结合稳定与流动过程框架建模，相较于饱和模型，能够获得更好的收敛性和理论一致性。研究结果为FVT提供了定量支持，将长期脆弱性与短暂触发因素联系起来，为精准评估和干预措施制定提供了理论基础。这种对不稳定情感的易感性可能会增加进入自杀模式的风险，正如流体脆弱性理论（FVT）所提出的。此外，鉴于这些变量之间的高度重叠，它们可能会单独影响每个变量的影响，并可能对进入自杀模式的可能性产生乘法效应。因此，我们假设这些风险因素可能与进入危机状态或试图自杀更为相关，而不是其他与自杀念头产生更密切相关的心理因素（例如，绝望感、挫败感（TB）和归属感受阻（ASCC）。重要的是，抑郁症是一个包含认知、情感和身体症状的异质性诊断类别。先前的研究表明，依赖宽泛的诊断标签可能会掩盖驱动自杀风险的具体认知-情感机制（Buch & Liston, 2020; Fried et al., 2017; Nock et al., 2011）。因此，抑郁症没有被纳入军事自杀研究联盟（MSRC）的通用数据元素（CDEs），因为开发团队更倾向于使用更精细的测量方法来评估诸如绝望感和归属感受阻等结构，这些结构更直接对应于自杀风险的理论机制（Ringer et al., 2017）。尽管PTSD也是一个异质性诊断类别，但它被留在了MSRC的CDEs中，因为它与急性情感和生理失调（例如，过度兴奋、侵入性再体验）有明确的关联，这些在流体脆弱性理论中被视为近端的风险因素。因此，PTSD的严重程度被作为一个动态风险激活的指标纳入其中，而抑郁症则被省略，以避免与模型中已经存在的更具体的认知脆弱性结构重复。

在当前研究中，我们试图测试自杀风险因素的协方差结构是否符合FVT提出的双过程架构。我们使用零膨胀（ZI）计数模型将数据生成过程分解为两个潜在机制：一个负责结构零（代表对尝试自杀的相对不易感性），另一个生成行为计数（代表自杀行为的激活）。这一结构直接对应于流体脆弱性理论（FVT），该理论认为自杀行为是在持续存在的倾向与短暂的风险状态相互作用时产生的。在这个框架中，ZI成分可以被视为“守门人”功能，因为它决定了进入自杀风险模式的基线易感性。对于具有强烈归属感（例如，低TB）、对心理不适的耐受性（例如，低ASCC）和乐观气质（例如，低绝望感）的个体来说，进入自杀模式的风险降低提供了一定程度的保护，但并不能在所有情况下都阻止自杀尝试。相比之下，负面二项式（计数）成分捕捉了一旦超过易感性阈值后尝试频率的变化，反映了急性、状态依赖的风险升级作用。本研究使用了一个横断面数据集，其中包含几个风险因素（即PTSD、TBI、酒精消费、失眠），这些因素被认为是“流动的”而非特质脆弱性，因为上述特征增加了进入高度激活风险状态的可能性。

我们比较了三种模型类型：(1) 一个完全指定的模型，包括两个成分中的所有预测因子；(2) 一个以FVT为指导的模型，其中零膨胀成分包含稳定的脆弱性因素（绝望感、焦虑敏感性认知担忧、归属感受阻），计数成分包含流动风险因素（PTSD症状、酒精消费、失眠、TBI）；(3) 一个混合模型，通过将在计数成分中包含人口统计协变量来扩展FVT的规范，以捕捉暴露的情境变异性，并控制暴露机会。

我们假设：1. PTSD症状、酒精消费、失眠和TBI作为流动的、状态依赖的风险因素，会预测更高的终生自杀尝试次数。2. 绝望感、焦虑敏感性认知担忧和归属感受阻作为稳定的脆弱性因素，会预测属于结构零（非尝试者）类别的可能性降低。3. 以FVT为指导的模型和混合模型将表现出更好的收敛性和模型拟合度（较低的AIC/BIC），相对于完全指定的模型，反映了理论上的限制和机制上的连贯性。

方法概述：在这项研究中，我们使用零膨胀（ZI）建模策略来评估FVT，该策略可以区分守门人功能和风险升级功能。在ZI模型中，可以指定变量以包含在（logit）ZI成分中，将“多余的零”与计算自杀尝试次数的成分分开。为了使用这种策略测试FVT，我们包括三个竞争模型：一个完全指定的模型，包括两个成分中的所有人口统计和风险因素；一个FVT模型，仅包括被认为与ZI成分中的守门人功能相关的变量，以及仅包括被认为与计数成分中的升级功能相关的变量；以及一个混合模型，它遵循FVT策略，但还在计数成分中包括了人口统计变量。

人口统计和服务相关变量被包含在计数成分中，因为它们不被认为与尝试自杀的潜在易感性有关。相反，这些变量被概念化为在进入自杀风险状态后塑造累积暴露、机会和情境风险的因素。在这种情况下，人口统计因素（例如，年龄、服务状态、教育）被认为通过改变个体毕生的压力源接触、手段和风险持续时间来影响尝试次数，而不是作为阻止自杀行为的守门人。因此，这些因素被指定在计数成分中，以帮助调整暴露机会的异质性，而不是作为风险状态进入的决定因素。图1直观地总结了分析策略。建模决策在分析之前就已经做出，并在OSF上预先注册（见下文透明度和开放性）。

参与者包括2010年至2023年3月31日止期间参与MSRC支持的研究项目的个体（Gai et al., 2021）。分析仅包括那些在抑郁症状指数-自杀倾向子量表（DSI-SS；(Joiner et al., 2002; Stanley et al., 2021)的问题1中回答1或更高，表明当前有自杀念头的参与者，并且通过人口统计问卷被识别为现役军人或退伍军人。DSI-SS的问题1是一个四选项物品，用于评估过去两周内的自杀念头频率，回答范围从0（“我没有自杀念头”）到3（“我总是有自杀念头”）。根据这些标准，在总共N=6,556的参与者中，最终选取了N=2,246人纳入研究。我们的目标人群是符合SI标准的研究/临床环境中的军人和退伍军人。关于其普遍性的讨论见限制部分。

在研究时间范围内参加MSRC资助的研究的参与者需要完成一个包含多个人口统计问题和通用数据元素（CDEs）的基线问卷，这些变量之前已被确定为与自杀念头和行为有关。这些变量是从经过充分验证的研究测量中选出的（见下文）。参与MSRC研究的研究小组获得了机构审查委员会（IRB）的批准，而当前分析的IRB批准则由第一作者的所在机构获得（协议编号：22-1422）。

分析中包含的数据包括MSRC的CDEs。CDEs包括来自几个问卷的选定项目，用于评估自杀风险因素。这些数据最初由MSRC收集，目的是为了评估需要大样本的广泛研究问题，以提高结果的普遍性和确保研究的稳健性（Gai et al., 2021）。除了基线人口统计问题（例如，年龄、种族、军种）外，参与者还需要报告他们之前的自杀尝试和非自杀自伤行为的次数。所有来自CDEs的人口统计变量都被纳入分析，并作为混合模型计数成分中的协变量，与它们作为情境暴露变量的概念相一致，而不是作为风险状态进入的决定因素。

酒精消费：酒精使用障碍识别测试-消费子量表（AUDIT-C；(Saunders et al., 1993)是一个包含三个项目的测量工具，用于评估酒精消费行为，是一个经过充分验证的总体问题酒精使用和依赖性的测量工具（Bush, 1998）。当前样本中的内部可靠性良好（McDonald’s ω=0.88, 95% CI [0.87, 0.89]）。

焦虑敏感性认知担忧：来自焦虑敏感性指数-3（ASI-3；(Taylor et al., 2007)的物品被包含在CDEs中，该指数包含三个子量表，其中包括焦虑敏感性认知担忧（ASCC）。最终样本的内部可靠性非常好（McDonald’s ω=0.90, 95% CI [0.89, 0.91]）。

归属感受阻：归属感受阻（TB）通过人际关系需求问卷（INQ；(Van Orden et al., 2012)进行评估，这是一个包含TB和基于人际关系-心理理论感知负担的双因素测量工具。MSRC选择仅使用TB构念作为社会疏离的通用测量（Ringer, 2019）。TB在最终样本中的内部可靠性良好（McDonald’s ω=0.89, 95% CI [0.88, 0.90]）。

绝望感：绝望感使用贝克绝望量表（BHS；(Beck et al., 1974)进行评估，这是一种评估对未来消极预期的测量工具，发现其与自杀意图的相关性比与抑郁的相关性更高，并且已被证明与最终自杀死亡的风险相关（Beck et al., 1989）。CDEs包含了BHS的三个项目子集，并在最终样本中显示了可接受的内部可靠性（McDonald’s ω=0.72, 95% CI [0.69, 0.74）。

创伤后应激：创伤后应激症状使用创伤后应激障碍检查表-军事版本（PCL-M；Weathers et al., 1991）的八个项目进行评估（即，四个来自创伤侵入子量表，两个来自回避子量表，两个来自过度兴奋子量表）。最终样本中的内部可靠性非常好（McDonald’s ω=0.95, 95% CI [0.95, 0.95]）。

睡眠问题：失眠严重程度指数（ISI；Morin, 1993）是一个经过充分验证的睡眠问题和失眠测量工具，已被证明与其他失眠测量工具以及对于随时间变化的睡眠困难的感知的敏感性有很强的收敛效度（Bastien et al., 2001）。CDEs包含了ISI的五个项目，并在研究样本中显示了良好的内部可靠性（McDonald’s ω=0.83, 95% CI [0.81, 0.84）。

自杀念头和行为：自杀行为问卷-修订版（SBQ-R；Osman et al., 2001）是一个包含多个自杀维度（包括终生和近期自杀念头/意图以及自我认同的未来自杀行为可能性）的四项目测量工具。SBQ-R在临床和非临床样本中均已被充分验证，是一个有用的自杀风险测量工具，它整合了SI和行为，较高的分数表明整体的自杀倾向更严重（Osman et al., 2001）。完整的SBQ-R被包含在CDEs中，虽然内部可靠性不是最优的，但在研究样本中仍然可行（McDonald’s ω= 0.60, 95% CI [0.25, 0.63）。我们使用SBQ-R来识别基线风险因素与自杀倾向之间的零阶相关性。

创伤性脑损伤：创伤性脑损伤（TBI）使用创伤性脑损伤-4（TBI-4）进行评估，这是一个四项目筛查工具，旨在识别有TBI史的个体，该工具已针对寻求心理健康治疗的军人退伍军人的TBI史进行了验证（Brenner et al., 2013）。在本研究中，较高的分数反映了事件发生时的伤害相关症状的更大认可度，而不是当前的脑震荡后症状严重程度。较高的分数与未来的精神医院就诊有特定相关性（Olson-Madden et al., 2014）。完整的TBI-4被包含在CDEs中，样本中的内部可靠性是可以接受的（McDonald’s ω=0.78, 95% CI [0.76, 0.80）。

数据分析计划：我们分两个主要阶段分析数据。在第一阶段，我们检查了将要纳入分析的变量的描述性统计信息，并检查了数据的整体频率和分布。对于分类变量，我们识别了很少被认可的回答（例如，少于5%的回答），并将这些归并到适当的类别中（例如，“其他”）。为了减少极端计数对我们的模型产生的影响，我们将任何超过第99百分位的终生自杀企图次数标记为不合理，并将这些值重新编码为缺失值，以便纳入多重插补程序（见下文）。这样做允许我们采用数据驱动的方法来处理不切实际的高自杀企图次数（例如，10,000次以上），而无需设定人为的“上限”。然后，我们计算了所有预测变量之间的马氏距离（见下文），以识别用于敏感性分析的额外多变量异常值。在处理异常值后，有9.2%的数据在多个预测变量中缺失，另有1%的自杀企图次数因重新编码而缺失。我们使用R Studio中的mice包（van Buuren & Groothuis-Oudshoorn, 2011）通过链式方程多重插补（MICE）来处理这些缺失值，生成了20个插补数据集，并使用Rubin规则（Rubin, 1987）汇总参数估计值。

**主要分析**：在第二阶段，我们拟合了一系列计数回归模型来确定描述数据的最佳模型结构。依次使用每个插补数据集，我们首先使用AER包中的dispersiontest函数（Zeileis et al., 2008）来检验过度分散情况，然后使用Vuong的检验（Vuong, 1989）比较泊松分布和负二项分布。与预先注册的假设（https://osf.io/hkfs9）一致，我们使用三种预测变量策略拟合了零膨胀和非零膨胀的负二项回归：（1）包括所有预测变量的完全指定模型；（2）由流体脆弱性理论（FVT）指导的理论驱动模型，该模型区分了稳定脆弱性和流动风险因素；（3）通过纳入人口统计协变量来扩展FVT规范的混合模型。我们为流动风险预测变量（PTSD、TBI、酒精使用、失眠）与自杀企图次数之间的方向性假设进行了预先注册，并对脆弱性预测变量（绝望感、ASCC、归属感受挫）在零膨胀组成部分中的关系进行了结构化规定。

如上所述，ZI模型包含两个回归部分——一个负二项回归部分用于建模计数值（即之前的自杀企图次数），以及一个logit（ZI）回归部分用于建模成为“结构零”（即之前没有自杀企图次数）的概率——这两个部分可以分别进行建模。在完全指定的模型（模型1）中，我们在两个模型部分都包含了所有潜在的协变量。在FVT驱动的模型（模型2）中，我们只包含了我们认为与特质级心理特征一致的分类变量（即ASCC、TB和绝望感）在ZINB的ZI（logit）部分，以及“流动”心理特征（即PTSD、酒精消费、睡眠困难和TBI）在负二项（计数）部分。在混合模型（模型3）中，我们在ZI部分包含了特质级特征，在负二项部分包含了流动特征。此外，我们还在负二项部分包含了可能相关的人口统计（即年龄、种族、性别、教育水平）和服务相关（即现役状态、先前部署历史、军种、服务类型）变量。最后，作为敏感性分析，我们还拟合了一个“反向”ZINB模型，交换了部分的分配（稳定的变量在计数部分；流动的变量在ZI部分），以评估假设的映射是否改善了模型的拟合度和可解释性。

**模型拟合和决策规则**：我们使用赤池信息量准则（AIC）和贝叶斯信息量准则（BIC）来比较模型。为了计算这些指标，我们汇总了多个插补的拟合统计量，并报告了平均值和范围。按照常见惯例，我们将ΔAIC（或ΔBIC）≥ 2的差异视为支持较低值模型的证据，Δ ≥ 6视为强证据，Δ ≥ 10视为非常强的证据（Kass & Raftery, 1995）。只有在一定比例的插补中收敛的模型才具备汇总资格，收敛的定义是具有有限的对数似然值和正定的方差-协方差矩阵以及有限的标准误差。这一收敛规则是事后实施的，以确保汇总的估计值反映了跨插补的模型行为的稳定性。具体的阈值没有预先注册，在补充材料中有所说明。当两个模型的|ΔAIC| < 2（或|ΔBIC| < 2）时，我们更倾向于选择更简约的模型。对于零膨胀，我们还在第一次插补上进行了Vuong检验，并检查了预测的零比例，以确保零膨胀规范显著改善了模型的拟合度。所有分析都是在R（v4.4.1）中使用mice、pscl和glmmTMB包（Bolker et al., 2017; Jackman, 2017; McGillycuddy et al., 2025; R Core Team, 2019; van Buuren & Groothuis-Oudshoorn, 2011）进行的。

**预测概率**：为了探索连续预测变量与是否有过自杀企图的可能性之间的关系，我们从FVT驱动和混合ZINB模型中计算了预测概率。对于每个连续变量（即PTSD症状、酒精消费、睡眠困难、TBI得分），我们（1）将变量在中位数处二分 into “低”（≤ 中位数）和 “高”（> 中位数）组；（2）将所有其他预测变量保持在样本均值或参考类别不变；（3）计算ZI部分的补数（1-π）来估计成为“非结构零”（即至少有一次自杀企图）的概率。

**透明度和开放性**：分析计划和主要假设已在OSF（https://osf.io/hkfs9）上预先注册。偏离情况在补充材料S1中有详细说明。

**数据、材料、代码和在线资源**：数据处理、多重插补、模型拟合和图表生成的分析代码可在（https://osf.io/mx3g6/files/）公开获取（Karnick, 2023）。该数据集来源于MSRC CDEs，可通过MSRC数据请求程序获取（见https://www.hsrd.research.va.gov/centers/core/sprint/msrc.cfm）。由于保密保护，去标识化的数据不能公开发布。所有分析决策、代码和输出都可以直接通过OSF仓库进行重现。

**报告**：我们报告了确定样本大小、所有数据排除标准、所有操作以及研究中的所有度量的方法。该项目分析的是现有数据而非新的数据收集；所有统计决策（例如，异常值处理、零膨胀测试、收敛标准）都在方法和补充材料S1中有记录。

**伦理批准**：参与研究的项目获得了当地IRB的批准；本项目的分析得到了第一作者所在机构的批准（协议号#22-1422），并按照赫尔辛基宣言进行。

**描述性统计**：研究参与者主要是男性（80.4%）和白人（62.9%），平均年龄为34.6岁（标准差=14.4岁）。样本在现役（53%）和退伍军人（47%）军衔之间大致相等，其中大部分参与者有陆军背景（45.5%），其次是海军（26.9%）参与者。此外，有相似比例的参与者之前曾被部署过（41%）与未曾部署过（41.3%），大多数参与者有现役军事经验（91.8%），而不是国民警卫队或预备役状态（4.2%）。心理变量之间往往存在显著相关性，PTSD症状与睡眠困难（r=0.40, p<.001）以及PTSD与ASCC（r=0.38, p<.001）之间观察到了显著相关性。TBI得分与年龄（r=0.33, p<.001）以及睡眠困难与ASCC（r=0.34, p<.001）之间也观察到了显著相关性。最后，计算了每个预测变量与自杀企图的二元结果（有与无）之间的双变量相关性，以及在有自杀企图者中与自杀企图次数之间的双变量相关性。TBI得分与任何企图（r=0.144）和ASCC与任何企图（r=0.12）之间观察到适度的相关性。在有自杀企图史的军人中，年龄、TBI得分、PTSD得分、ASCC和TB与过去的自杀企图次数之间存在适度的相关性（r在0.11-0.17之间）。样本描述性和皮尔逊相关性总结在表1和表2中，与企图历史的双变量相关性包含在补充材料中。

**表1. 描述性统计**
| 变量 | 总计 | N=1,968 |
|-----------------|------|-------|
| 年龄 | 34.6 | 14.4 |
| 性别/性别 | 男 | 1582 | 80.4% |
| | 女 | 379 | 19.3% |
| | 缺失 | 7 | 0.4% |
| 种族 | 白人 | 1238 | 62.9% |
| | 黑人 | 293 | 14.9% |
| | 西班牙裔 | 236 | 12% |
| | 其他 | 181 | 9.2% |
| | 缺失 | 20 | 1% |
| 关系状态 | 单身 | 745 | 37.9% |
| | 已婚 | 551 | 28% |
| | 离婚/分居 | 486 | 24.7% |
| | 缺失 | 186 | 9.5% |
| 教育程度 | 有些大学 | 905 | 46% |
| | 高中/GED或以下 | 746 | 37.9% |
| | 大学或以上 | 300 | 15.2% |
| | 缺失 | 17 | 0.9% |
| 现役状态 | 现役 | 1424 | 72.4% |
| | 非现役 | 155 | 7.9% |
| | 缺失 | 389 | 19.8% |
| 服务类型 | 现役 | 1044 | 53% |
| | 退伍军人 | 924 | 47% |
| | 军种 | 陆军 | 895 | 45.5% |
| | 海军 | 530 | 26.9% |
| | 海军陆战队 | 319 | 16.2% |
| | 空军 | 126 | 6.4% |
| | 其他/海岸警卫队 | 25 | 1.3% |
| | 缺失 | 73 | 3.7% |
| 之前部署过 | 否 | 813 | 41.3% |
| | 是 | 806 | 41% |
| | 缺失 | 349 | 17.7% |
| | 是 | 806 | 41% |
| | 缺失 | 349 | 17.7% |
| PTSD症状 | 是 | 768 | 39.0% |
| | 否 | 1483 | 24.5% |
| | 是 | 2243 | 12.3% |
| | 是 | 3154 | 7.8% |
| | 是 | 479 | 4.0% |
| | 是 | 165 | 8.3% |
| | 缺失 | 77 | 3.9% |
| ASCC | 是 | 768 | 39.0% |
| | 否 | 1483 | 24.5% |
| | 是 | 2243 | 12.3% |
| | 是 | 3154 | 7.8% |
| | 是 | 479 | 4.0% |
| | 是 | 165 | 8.3% |
| | 缺失 | 77 | 3.9% |
| 绝望感 | 是 | 137 | 6.06 |
| | 否 | 20.87 | 8 |
| 酒精消费 | 是 | 345 | 3.58 |
| | 否 | 11.81 | 4.53 |
| 失眠 | 是 | 21.95 | 10.13 |
| TBI（连续） | 是 | 161 | 1.48 |
| | 否 | 1.61 | 1.48 |
| ASCC与自杀企图次数之间的相关性 | ** | | |
| PTSD与自杀企图次数之间的相关性 | ** | | |
| TBI得分与年龄之间的相关性 | ** | | |
| 睡眠困难与自杀企图次数之间的相关性 | ** | | |

**表2. 连续变量的皮尔逊相关性**
| 变量 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| | -- | -- | -- | -- | -- | -- |
| 年龄 | -- | -2.05* | -- | -- | -- | -- | -- |
| BHS | -- | -0.05* | -- | -- | -- | -- |
| TB | -- | 0.04 | 0.30*** | -- | -- | -- | -- |
| ASCC | -- | 0.06** | 0.16*** | -- | -- | -- | -- |
| PCL-M | -- | 0.10*** | 0.07** | -- | -- | -- | -- |
| TBI-4 | -- | 0.33*** | 0.02 | 0.09*** | -- | -- | -- |
| AUDIT-C | -- | 0.02 | 0.01 | 0.05* | -- | -- | -- |
| ISI | -- | 0.03 | 0.19*** | 0.19*** | 0.34*** | -- | -- | -- |
| SBQ-R | -- | 0.14*** | 0.20*** | 0.27*** | 0.18*** | 0.15*** | 0.01 | -- |
| p < 0.05 | ** | p < .01 | *** | p < .001 |
| BHS = 贝克绝望感量表； | | | | | |
| TB = 归属感受挫； | | | | |
| ASCC = 焦虑敏感性认知担忧； | | | | |
| PTSD = 创伤后应激障碍； | | | | |
| TBI-4 = 创伤性脑损伤-4； | | | | |
| AUDIT-C = 酒精使用障碍识别测试-消费子量表； | | | | |
| ISI = 失眠严重程度指数； | | | | |
| SBQ-R = 自杀行为问卷-修订版； | | | | |

**模型比较**：我们对20个MICE插补数据集分别进行了模型拟合，并通过Rubin规则汇总了系数（见方法部分）。数据显示出显著的过度分散（z = 10.065, p < .001）。Vuong的检验（Vuong, 1989）支持负二项分布优于泊松分布（Δz = -9.81, p < .001）。

**主要结果**：
**模型1：完全指定模型**：在20个插补数据集中，有18个数据集的至少一个模型组件未能收敛。由于收敛性差，该模型被拒绝；然而，我们还是估计了两个收敛插补的汇总回归系数和拟合统计量——这些结果在补充材料S2中报告。

**模型2：理论驱动的FVT模型**：所有20个插补数据集都收敛了，回归系数和拟合统计量被汇总（见表3和表4）。总体而言，PTSD（OR = 1.15, 95% CI [1.09, 1.22]）和TBI（OR = 1.22, 95% CI [1.15, 1.28]）与终生自杀企图次数的增加显著相关，ZI组件中的任何变量都不显著。

**表3a. 理论驱动和在ZI组件中，没有变量显示出显著性，这凸显了在本样本中识别区分结构性零和计数过程性零的因素的难度。敏感性分析表明，反向模型在插补后能够收敛，但其拟合度低于预先注册的FVT规范（ΔAIC = +18；ΔBIC = +19），并且产生了不稳定且难以解释的ZI估计值（例如，TBI和截距的标准误差极大），这表明当将流体变量分配给ZI组件时，分离效果较差。完整模型系数和拟合统计信息包含在补充材料中。

使用我们的FVT和混合ZINB模型的汇总系数，我们计算了每个关键流体预测因子下“低”（<中位数）与“高”（>中位数）组别的一生中自杀尝试次数的边际预测均值。所有其他协变量均保持在均值或参考水平。在高组和低组之间，TBI导致的先前自杀尝试次数的预测均值差异最大（Δ FVT = 0.62，Δ Hybrid = 0.68），其次是酒精消费（Δ FVT = 0.59，Δ Hybrid = 0.64）和PTSD（Δ FVT = 0.51，Δ Hybrid = 0.54）。尽管在FVT模型中绝望感预测出较低的先前自杀尝试次数（Δ FVT = -0.13），但在混合模型中这种关系被反转了（Δ Hybrid = 0.04）。此外，潜在自杀尝试次数的整体分布范围在混合模型中更广（低组标准差范围：0.37-0.62，高组标准差范围：0.57-0.63），而在FVT模型中则较窄（低组标准差范围：0.25-0.49，高组标准差范围：0.36-0.49）。这些结果总结在图2和表4中。

在当前研究中，我们采用了一种基于理论的定量建模方法来评估与具有当前自杀意念的军事人员一生中自杀尝试次数相关的因素。我们假设（1）公认的“流体”自杀风险因素（PTSD、酒精消费、睡眠困难、TBI）会预测出更高的自杀尝试次数；（2）区分流体和稳定因素的理论约束模型将比完全指定的模型更可靠地收敛，并产生更易解释的组分分离。完全指定的ZINB在大多数插补情况下未能收敛，这很可能反映了模型参数过多，特别是考虑到两个组件中包含的预测因子数量。这种不收敛现象表明，将所有风险因素视为在模型组件之间可互换可能会引入过度的参数复杂性，从而强调了基于理论的限制（如FVT模型）对于实现稳定估计的实际价值。此外，样本组成（即具有当前自杀意念的军事人员）可能减少了用于指标基线脆弱性的构念（如绝望感、归属感受挫）的变异性，这可能限制了它们在模型组件之间的区分能力。在FVT框架内，这与脆弱性过程在观察之前已经发挥作用的前提一致，尽管这一机制本身并不能解释估计困难。因此，当我们确实分离了模型组件时，基于理论和混合的ZINB模型都收敛了，支持了我们的第二个假设。最后，在探索性分析中，我们为基于理论和混合的模型生成了先前自杀尝试次数的预测概率，并对这些概率进行了比较。

完全指定模型的不收敛以及受限模型的稳定收敛表明，控制“全有或全无”门控功能（即ZI组件）的过程可能与控制分级风险升级的过程（即计数组件）有显著区别。值得注意的是，在识别数据集中的过度分散现象时，我们确认零膨胀分布最符合数据，但完全指定模型的不收敛进一步表明，分离这些组件对于准确建模具有当前自杀意念的军事人员中的自杀尝试历史至关重要。这些发现总体上与FVT的机制前提一致，即自杀行为在结构上与潜在倾向和暂时性状态扰动的结合有关。它们也与预先注册的预期一致，这些预期强调了开放式、确认性建模方法对测试自杀风险机制理论的重要性。像这样的预先注册的多层次计数模型可以帮助标准化如何将理论构念转化为可经验验证的模型结构。此外，这种双重过程结构反映了在机制临床科学中越来越受到重视的动态病理学框架（例如，Brudern等人，2022年）。

在比较模型时，我们发现AIC更倾向于混合模型（ΔAIC = -41.14），而BIC更倾向于基于理论的模型（ΔBIC = 56.0）。这种分歧反映了拟合敏感性（AIC）和简洁性（BIC）之间的预期权衡。两个模型都能稳定收敛，并产生了可解释的组分分离。值得注意的是，几个人口统计协变量在混合模型中成为显著预测因子，它们提高了基于AIC的拟合度，但也增加了模型复杂性。这表明人口统计特征为自杀尝试历史贡献了额外的解释方差，尽管它们的包含可能会以牺牲简洁性为代价来提高预测能力。未来的工作可以扩展这一建模框架，以研究人口统计或情境压力因素（例如，少数族裔压力过程；Meyer，2003年）如何进入风险系统，作为脆弱性稳定性的调节因素或作为增加状态反应性的重复扰动，从而连接社会和认知病理学机制。零膨胀建模可能特别适合于识别那些经历自杀意念但从未尝试的个体与那些试图自杀的个体之间的区别。

在基于理论和混合的模型中，PTSD和TBI与自杀尝试历史有显著关联，而酒精消费和睡眠困难则没有。PTSD和TBI得分与自杀风险之间的关联与我们的第一个假设一致。虽然PTSD与急性生理唤醒和痛苦的突然、意外发作密切相关（Orr等人，2002年；Pole，2007年），但TBI同样与短暂的急性激动、攻击性和抑制解除有关（Hoover & Whitehair，2023年；Kim，2002年）。在我们的模型中，已经因潜在认知脆弱性而越过“自杀风险阈值”的个体由于这些状况相关的心理和生理不适的迅速加剧，进一步增加了自我伤害或自杀尝试的风险。在ZI模型组件中，FVT和混合模型中ASCC、绝望感和TB没有显著效应，这可能反映了具有当前自杀意念的军事样本范围内的范围限制。重要的是，这一空结果在理论上与FVT一致：由于所有参与者都已经“通过了”意念阈值，这些变量的门控功能可能已经发生，因此在这个阶段几乎没有残差方差来区分“非尝试者”和“尝试者”。我们推测这些因素主要作为认知脆弱性起作用，通过触发自杀意念的开始和维持来提高基线自杀风险。这一点得到了IPTS和其他意念到行为模型的研究的支持，这些模型假设这些因素可能触发自杀意念，因此是最终自杀尝试的远端风险因素（Abramson等人，2014年；Capron等人，2015年；Joiner，2005年；Klonsky & May，2015年）。在我们的样本中，所有参与者都已经表达了当前的自杀意念，因此这些脆弱性因素可能已经在本研究的时间窗口之前发挥了它们的“门控”作用。因此，这些因素对自杀尝试历史的预测效应会减弱，因为意念已经存在，更近端的流体因素（例如PTSD、TBI）会对行为升级产生更大的影响。

这种解释与我们计算的双变量相关性一致，但由于这些比较是基于模型得出的预测而不是正式的统计对比，因此应该从描述性角度进行解释。SBQ-R是一个经过充分验证的自杀风险测量工具，它捕捉了自杀意念的严重程度，与TB（r=0.27）、ASCC（r=0.26）和绝望感（r=0.20）的关联比与任何流体预测因子的关联更强。这表明这些因素与自杀意念的“门控”更为相关，而不是行为升级，提供了与双重过程解释一致的证据。此外，潜在的症状群（即侵入、自主神经系统唤醒）可能比其他因素（即回避、认知和情绪的负面改变）与风险升级更为相关，这可能是未来工作和模型改进的方向。在已经报告自杀意念的个体中，这些远端因素可能无法有意义地区分那些将想法付诸行动的人和那些没有付诸行动的人。

在整合我们对自杀尝试次数的预测结果时，结果的模式在描述上变得更加明显。在那些被认为与自杀意念发作和更远端认知脆弱性更相关的因素中，高组和低组之间的预测尝试次数差异相对较小——TB（ΔFVT = 0.13，ΔHybrid = 0.20）和绝望感（ΔFVT = -0.13，ΔHybrid = 0.04）。ASCC略高（ΔFVT = 0.28，ΔHybrid = 0.31），大致与睡眠问题相当（ΔFVT = 0.21，ΔHybrid = 0.25），这可能表明这些变量对自杀意念的发作和行为升级都有影响。基于这些分析，需要进一步研究睡眠问题对自杀能力和抑制解除的影响，以帮助区分与意念发作和尝试开始最相关的组件。另一方面，我们观察到TBI（ΔFVT = 0.62，ΔHybrid = 0.68）、PTSD症状（ΔFVT = 0.51，ΔHybrid = 0.54）和酒精消费（ΔFVT = 0.59，ΔHybrid = 0.64）在高组和低组之间的预测尝试次数差异较大。此外，酒精消费（2.02），其次是TBI（1.95）和PTSD（1.89），在我们测试的所有变量中预测的过去自杀尝试次数最多。这种模式与这些变量更可能与自杀模式的频率增加相关联的道路一致。特别值得注意的是，尽管酒精消费在计数部分没有达到统计显著性，但这些来自预测概率分析的观察结果与酒精消费对后续尝试的潜在剂量-反应效应一致（Borges等人，2017年；Conner & Bagge，2019年）。

本研究的结果强调了脆弱性和流体风险因素在美国军事人员和退伍军人中自杀尝试中的作用。发现主要支持FVT理论，因为区分脆弱性和流体风险因素相对于完全指定的模型提高了模型拟合度。结果还支持IPTS构念与FVT之间的概念兼容性，这是建立在过去探索两者整合的理论和概念工作基础上的（Wolfe-Clark & Bryan，2017年）。研究结果表明，某些脆弱性和“流体”风险因素可能与一生中的自杀尝试更为显著。因此，未来的研究应探索特别强烈的脆弱性之间的层次结构或相互作用，例如焦虑敏感性与酒精消费之间的相互作用。另一种可能的解释是，失眠与自杀尝试之间没有显著关联的原因可能是其效应被失眠和PTSD症状之间的重叠“冲淡”了，正如数据集中PTSD和睡眠之间的强相关性所反映的那样。当包括PTSD时，失眠的独特贡献可能不再突出。另一个挑战可能是时间性问题——当前的睡眠障碍可能无法准确捕捉到尝试时的障碍情况，而回顾性报告进一步复杂化了这一点。总之，这些问题表明，未来的研究应该探讨睡眠障碍与一生中自杀尝试之间的关系。

从临床角度来看，这些发现强调了针对持久脆弱性和短暂风险反应性的干预可以提高干预的精确性。基于机制理解的干预措施，例如那些能够降低状态反应性（例如通过情感调节）或改变病态模式（例如与创伤相关的图式）的干预措施，代表了有前景的转化研究方向。先前的研究已经支持了非特定于自杀的干预措施的有效性，这些措施针对的是潜在的心理病理学问题而非自杀行为本身（Cox等人，2016年；Kalmbach等人，2022年；Robison等人，2025年）。虽然也存在针对自杀的特定干预措施（参见Jobes等人，2015年的综述），但处理潜在的脆弱性和流动因素可能有助于降低自杀风险以及自杀念头和行为的复发。由于这些风险往往未被发现，因此研究它们对于更好地理解个体对自杀的感受至关重要。

4.3. 局限性
有几个局限性需要考虑。首先，尽管根据其在FVT中的理论功能角色将这些结构分类为“稳定”的或“流动的”，但目前的横截面数据无法直接测试这些结构的时间稳定性或个体内的变异性。诸如绝望、焦虑敏感性、PTSD症状和失眠等变量可能根据时间尺度和情境同时具有特质性和状态性的特征。因此，目前的分析应被视为对这些结构进行理论上的映射，而不是作为这些结构本质上稳定或流动的实证证据。未来需要使用密集的纵向设计来进行这些假设的直接测试。

其次，横截面设计排除了对状态到特质的时间转变进行因果关系的测试。然而，双重过程模型的更优拟合表明，即使在横截面数据中，通过区分这些理论类别也能最好地表示风险结构。关键的是，在某些情况下，自我报告的自杀尝试可能先于我们在分析中识别出的风险因素。

第三，由于这些数据是自我报告的，因此可能存在回忆偏倚或社会期望偏倚。此外，如预测概率分析所示，自我报告被处理为维度化的，因此关于这些结构在高水平和低水平上的诊断阈值的重要信息可能没有得到体现。

第四，我们的研究对象是具有自杀倾向的军事人员，这可能限制了其在非军事人群和已被认为有自杀风险的人群中的普遍性。此外，这些分析中包含的几个变量（特别是PTSD、TBI、失眠和AUD）之间的高重叠率可能会减弱或掩盖它们在多变量模型中的独特效应。这些预测因子之间的多重共线性可能部分解释了一些流动风险因子的非显著效应。未来使用症状水平或纵向设计的研究可能会更好地分离每个变量的独特贡献。

第五，我们没有收入信息；教育水平被用作社会经济地位（SES）的代理指标，这可能低估了社会经济变异性，而且样本主要由男性和白人组成，反映了MSRC的抽样框架。

第六，样本中的参与者来自多项MSRC资助的研究，这些研究的纳入和排除标准各不相同，进一步限制了普遍性。应该测试其在更多样化的军事和退伍军人人群中的普遍性，未来的工作应包括直接的社会经济地位指标和性取向身份，以更具体地测试少数群体的压力效应。此外，使用的PCL-M量表可能无法捕捉与非军事创伤相关的PTSD症状。

第七，模型1的收敛性不足可能是由于样本特征或其他未观察到的因素造成的。根据模型输出，我们假设这种不收敛性是由于在ZI组成部分中包含了过多的人口统计变量；然而，也不能排除与样本特征或数据结构相关的其他解释。

最后，我们没有包括广泛的抑郁测量指标；教育水平被用作SES的代理指标，这可能低估了社会经济变异性，而且样本主要集中在男性和白人身上，反映了MSRC的抽样框架。

第六，样本中的参与者来自各种MSRC资助的研究，其纳入和排除标准各不相同，这进一步限制了普遍性。应该测试其在更多样化的军事和退伍军人人群中的普遍性，未来的工作应纳入直接的社会经济地位指标和性取向身份，以更具体地测试少数群体的压力效应。此外，使用的PCL-M量表可能无法捕捉与非军事创伤相关的PTSD症状。

第七，模型1的收敛性不足可能是由于样本特征或其他未观察到的因素造成的。基于模型输出，我们假设这种不收敛性是由于在ZI成分中包含了过多的人口统计变量；然而，也不能排除与样本特征或数据结构相关的其他解释。

最后，我们没有包括广泛的抑郁测量指标。虽然这限制了我们与一般精神病学模型的比较，但它允许我们专注于特定认知（绝望）和人际（归属感受挫）机制的研究，这些机制通常在总体抑郁分数中被掩盖。我们也承认，PTSD测量可能在一定程度上替代了未测量的抑郁变量（Friedman等人，2011年）。未来的研究应该探讨这些特定机制是否完全解释了通常归因于抑郁的变异。

另一方面，这项研究受益于一个具有自杀倾向的较大样本，并且在自杀尝试历史方面具有足够的多样性，从而可以使用新颖的定量方法进行详细分析。具有这些特征的样本很少见，利用它们进行分析对于改进对远期和近期自杀风险因素的理解是必要的。此外，这项研究的发现为未来的研究和临床方向提供了许多途径。首先，将行为数据、生态瞬时评估和神经影像学中的近期或流动风险数据整合起来，可以提供丰富的信息，帮助进一步区分影响行为升级的因素。其次，整合纵向数据可以帮助推断由守门人功能控制的基线风险与生理和心理痛苦相关的风险升级之间的因果关系。第三，将少数群体压力理论（Meyer，2003年）整合到分析设计中，可以帮助更简洁地连接基线人口统计特征与流动风险。临床应用可以涉及开发针对绝望感或社交脱节（例如归属感受挫）的干预措施，以防止自杀行为的出现，同时关注创伤症状或神经认知功能障碍，以预防那些已经“跨越”守门人阈值的人的复发或升级行为。

**结论**
这项研究提供了新的证据，表明将基线脆弱性因素与更流动的、类似状态的因素分开，可以更清楚地了解当前具有自杀倾向的军事人员一生中自杀尝试频率的驱动因素。我们的发现从机制上验证了FVT在一个现代定量框架内的有效性，表明区分结构脆弱性和动态风险激活可以澄清自杀行为的潜在架构。通过将理论嵌入模型结构，这种方法推动了在维度化、机制性心理病理学范式内形式化自杀风险过程的努力。从临床角度来看，这些结果强调了通过针对性干预措施来解决持久脆弱性和动态风险因素的必要性。未来的研究应优先考虑纵向设计，以区分不同的风险特征，特别是在那些有过尝试但没有当前自杀念头的人中，并测试非线性的自杀风险概念是否更能捕捉这些路径的复杂性。

**作者贡献声明**
Daniel W. Capron：写作——审阅与编辑、撰写原始草案、监督、项目管理、方法论、概念化。
Thomas Joiner：写作——审阅与编辑、撰写原始草案、监督、方法论。
Aleksandr T Karnick：写作——审阅与编辑、撰写原始草案、可视化、验证、方法论、调查、正式分析、概念化。
Tyler Rice：写作——审阅与编辑、撰写原始草案、方法论。
Leslie Brick：写作——审阅与编辑、撰写原始草案、监督、项目管理、方法论、概念化。
Morgan Robison：写作——审阅与编辑、撰写原始草案、方法论。
Kyle Williams：写作——审阅与编辑、撰写原始草案、方法论。
Heather Schatten：写作——审阅与编辑、撰写原始草案、监督、项目管理、方法论。
Sophie Edelman：写作——审阅与编辑、撰写原始草案、方法论。

**未引用参考文献**
Britt等人，2015年；Brüdern等人，2022年；Campbell等人，2023年；Capron等人，2012年；Fried，2017年；Goodman等人，2016年；McGraw，2023年；Nichter等人，2020年；Panos等人，2014年；Wilkins等人，2011年。

**利益冲突**
作者声明与本文的作者身份或出版物无关的利益冲突。

**财务支持**
这项研究得到了国家药物滥用研究所（R01DA054116；F32DA061553）和军事自杀研究联盟的资助。本文表达的观点仅代表作者本人，并不一定反映美国国立卫生研究院、军事自杀研究联盟、布朗大学Alpert医学院或任何作者所属机构的立场或政策。

**关于写作过程中生成式AI和AI辅助技术的声明**
在准备这项工作时，作者使用了大型语言模型（ChatGPT第4版）来提高可读性和清晰度，但并未用于生成内容。该工具也被用于数据分析中代码的开发。作者对出版物的内容和数据分析程序承担全部责任。

**作者声明**
作者声明与本文的作者身份或出版物无关的利益冲突。

**财务支持**
这项研究得到了国家药物滥用研究所（R01DA054116；F32DA061553）和军事自杀研究联盟的资助。本文表达的观点仅代表作者本人，并不一定反映美国国立卫生研究院、军事自杀研究联盟、布朗大学Alpert医学院或任何作者所属机构的立场或政策。