Predicting Suicidal Ideation in Older Adults Using Explainable Artificial Intelligence Algorithms

Song-Iee Hong; Soomin Shin

doi:10.47042/ACSW.2025.02.86.143

Predicting Suicidal Ideation in Older Adults Using Explainable Artificial Intelligence Algorithms

Recommendations

Search

Questions

설명가능한 인공지능 알고리즘을 이용한 노인의 자살 생각 예측

Type: Academic journal

Author: Song-Iee Hong (동국대학교) Soomin Shin (국립한국교통대학교)

Journal: Critical Social Welfare Academy Journal of Critical Social Welfare No.86 KCI Accredited Journals

Published: 2025.2

Pages: 143 - 174 (32page)

DOI: 10.47042/ACSW.2025.02.86.143

Usage

📌

Topic

📖

Background

🔬

Method

🏆

Result

Predicting Suicidal Ideation in Older Adults Using Explainable Artificial Intelligence Algorithms

Abstract· Keywords

Report Errors

This study aims to leverage machine learning models within artificial intelligence to predict the characteristics of older adults that contribute to suicidal ideation through big data analysis. Furthermore, it seeks to expand the existing body of research on factors influencing suicidal thoughts. To achieve this objective, the study evaluated the predictive performance of six machine learning and deep learning algorithms. The findings indicate that the LightGBM (LGBM) algorithm demonstrated the highest predictive accuracy, achieving 98.74%, while precision was maximized at 99.79% when combined with the Random Forest algorithm. These results suggest that LGBM can accurately identify suicidal ideation in more than 99 out of 100 older adults. To further interpret the model’s predictions, this study employed the SHAP (SHapley Additive exPlanations) model, which offers the advantage of analyzing both individualized and overall contributing factors within machine learning and deep learning frameworks. The analysis identified key variables associated with suicidal ideation in later life, including heightened levels of sadness, exposure to partner violence, current smoking status, sleep disturbances, outpatient visits to medical services within the past year, decreased meaningful discussions within the family, frequent loss of appetite, lower satisfaction with family income, advanced age, and reduced grocery expenditures. By utilizing the complete dataset from the Korean Welfare Panel spanning the past decade, this study applied explainable AI algorithms to specify demographic, economic, social, and health-related factors influencing suicidal ideation. The findings provide practical information for targeted suicide prevention strategies.

본 연구는 빅데이터를 설명가능한 인공지능의 머신러닝 모델링을 통해 어떠한 특성을 지닌 노인이 자살을 생각하는지 예측함과 더불어 기존의 자살에 미치는 요인에 대한 탐색을 확장하고자 하였다. 머신러닝과 딥러닝에 대한 6개의 알고리즘으로 예측 성능 지표를 확인한 결과, Accuracy를 기준으로는 LGBM이 98.74% 예측력을, Precision을 기준으로는 Random Forest를 통해 99.79%로 가장 성능이 높게 나타났다. 100명 중 자살생각을 하는 99명 이상의 노인을 예측할 수 있다는 것을 의미한다. 머신러닝 및 딥러닝 알고리즘의 전체적인 기여뿐만 아니라 개개인 맞춤 영향 요인을 별도로 분석할 수 있는 장점이 있는 SHAP 모델을 활용하여, 어떠한 특성이 노인의 자살생각에 영향을 주는지 확인하였다. 마음이 슬퍼질수록, 파트너 관계 내 폭력을 경험할수록, 현재 흡연할수록, 잠을 설치거나, 지난 1년간 의료기관을 이용한 외래 진료 횟수가 많아지거나, 가족원 간 침착하게 문제를 논의하는 경우가 줄어들거나, 식욕이 없는 일이 빈번해지거나, 가족 수입에 대한 만족도가 낮아지거나, 나이가 많아질수록, 식료품비 비용이 줄어들수록 자살생각에 영향을 주는 것으로 파악되었다. 기존 연구에서 검증된 자살생각에 영향을 주는 인구사회학적, 경제적, 사회적, 건강 관련 영역 내 더 구체적인 하위 변인들을 확인할 수 있었다. 본 연구 결과를 통해, 지난 10년간 수집된 한국복지패널 빅데이터에서 설명 가능한 인공지능 알고리즘을 활용하여 개별 노인 자살 생각의 예측 변인을 도출함으로써 사전에 자살을 예방할 수 있는 실용적인 정보를 제공하고자 하였다.

#설명가능한 인공지능 #노인 자살 생각 #자살생각 예측 #자살 생각 영향 요인 #자살 예방 #explainable artificial intelligence #old adults suicidal ideation #suicidal ideation prediction #factors influencing suicidal ideation #suicide prevention

국문초록
Ⅰ. 서론
Ⅱ. 자살에 영향을 미치는 요인에 대한 이론적 검토
Ⅲ. 연구 방법
Ⅳ. 연구결과
Ⅳ. 논의 및 결론
참고문헌
Abstract

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

신수민

Affiliation 유한대학교

Fields Social Science > Business Management Social Science > Sociology > Social Welfare

Articles 4 Usage 884

Frequently Viewed Together

A Review on Applications of Artificial Intelligence in Defense

Yongjun Cha , Haneol Cho , Sangchul Lee and others 5 Korea Artificial Intelligence Conference 2024 .09

사각지대에 놓인 위기청소년-청소년 자살/자해 현황과 대책

양수진 대한소아청소년정신의학회 학술대회논문집 2023 .11

The Effects of Subjective Health Status on Suicidal Ideation among Older Adults : Serial Multiple Mediating Effects of Social Isolation and Depression

Beomman Ha , Jisoon Kim , Seonho Kim JOURNAL OF THE KOREA CONTENTS ASSOCIATION 2023 .10

머신러닝을 활용한 노인 자살생각 예측

신수민 , 김경원 한국노인복지학회 학술대회 2023 .05

Prediction and Explanation of Job Satisfaction through Interactions between Motivation and Hygeine Factors: Exploratory Study Using eXplainable AI

Dohyeon Lee , Saebom Shin , Nawon Lee and others 3 Journal of Research Methodology 2025 .03

Comments(0)

Write first comments.

UCI(KEPA) : I410-151-25-02-092454360

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Related Authors

Frequently Viewed Together

Recently viewed articles

Comments(0)