非自杀性自伤（NSSI）是中国青少年面临的高发心理健康问题。自伤冲动是指渴望实施自伤行为的认知与情绪状态，既是自伤行为的重要预测因子，也是自伤干预的核心靶点。现有研究多聚焦自伤冲动的单一影响因素，尚未构建综合视角下的整体预测模型。基于此，本研究创新运用机器学习技术，从个体素质、家庭环境、生活事件三个维度筛选预测变量，构建出青少年自伤冲动的高效整合预测模型；同时，针对机器学习识别的关键预测因子，进一步通过网络分析探究其预测变量之间的复杂交互模式。
招募1774名青少年（平均年龄15.85岁，女性50.4%）为对象，开展10个月追踪调查。研究采用机器学习（含随机森林、XGBOOST等子模型及Stacking集成模型）构建预测模型，结合SHAP分析筛选关键因子，再通过网络分析探究因子交互模式。结果显示，Stacking集成模型预测效果最优（AUC=0.72），识别出性别（女性）、情感虐待、同伴压力、情感忽视、自我损耗、学业压力以及情感相对剥夺感7个关键预测因子。
网络分析发现，同伴压力是男女青少年自伤冲动的核心关联节点，自我损耗为跨维度桥接因子，且女性群体的风险因子关联强度显著高于男性。
贺雯教授、童薇讲师为论文的共同通讯作者，心理学院博士生邓洵为第一作者，博士生田云龙为第二作者，硕士生薛景行为第三作者，朱可歆为第四作者。本研究受国家社会科学基金项目（25BSH101）的资助。
本研究发表在国际期刊Behaviour Research and Therapy (SSCI,中科院Q1, IF = 4.5)。
论文信息：Deng, X., Tian, Y. L., Xue, J. X., Zhu, K. X., Tong, W., & He, W. (2026). Predicting chinese adolescents’ non-suicidal self-injury urges at diathetic, environmental, and life-event levels——machine learning and network analysis.Behaviour Research and Therapy,196, 104936.