Validazione di modelli predittivi dell’autolesionismo in individui precedentemente incarcerati utilizzando dati sanitari

Questo studio rappresenta un importante contributo nel campo della prevenzione del suicidio in contesti carcerari, dove le persone liberate dalle carceri presentano tassi di morte per autolesionismo quasi nove volte superiori rispetto alla popolazione generale americana. La metodologia impiega un approccio retrospettivo basato su dati amministrativi sanitari, analizzando una coorte sostanziale di 4.154 individui precedentemente incarcerati nel Michigan. Il campione presenta caratteristiche demografiche rilevanti: prevalentemente maschile (70%), razzialmente diversificato (50% Black, 43% White) e con una mediana di permanenza in carcere di un solo giorno, elemento che riflette la realtà operativa delle strutture carcerarie americane. Il modello predittivo integra molteplici domini clinici e sociodemografici: variabili demografiche, diagnosi di disturbi mentali e da uso di sostanze, comorbidità mediche generali, storia pregressa di autolesionismo, ricoveri psichiatrici precedenti e farmacoterapia psicotropa. Questo approccio multidimensionale consente di catturare la complessità clinica della popolazione carceraria. I risultati numerici sono robusti: un C-statistic di 0,77 indica buona discriminazione diagnostica, con sensibilità 68% e specificità 77%, traducendosi in un eccellente valore predittivo negativo del 99%. Particolarmente interessante è l'osservazione che le prestazioni migliorano nei pazienti con ricoveri brevi (C-statistic 0,80), suggerendo che il modello potrebbe essere particolarmente utile nel contesto dello screening iniziale al momento del rilascio. Nel contesto della letteratura scientifica, questo lavoro si distingue per l'applicazione sistematica di algoritmi predittivi basati su dati reali in una popolazione caratterizzata da difficile accessibilità e complessità clinica. Le carceri tradizionalmente utilizzano questionari autoriferiti brevi, somministrati in modo incostante e con limitata accuratezza predittiva. Un modello data-driven offre il vantaggio della standardizzazione, della scalabilità e della riduzione dei bias legati alla somministrazione umana. Le implicazioni cliniche includono la possibilità di identificare precocemente individui ad elevato rischio durante e dopo l'incarcerazione, facilitando interventi preventivi mirati e potenzialmente riducendo mortalità per suicidio in questa popolazione vulnerabile.