未来死亡预防报告的主题审查自动化：使用大型语言模型复制 ONS 儿童自杀研究-计算机科学-机器学习-算法.pdfVIP

未来死亡预防报告的主题审查自动化：使用大型语言模型复制ONS儿童自杀研究

SAMOSIAN1,2,3,ARPANDUTTA1,SAHILBHANDARI1,IAINE.BUCHAN1,2,ANDDANW.JOYCE1,2,3

1心理健康创新研究中心（M-RIC），默西护理NHS基金会信托和利物浦大学，利物浦科学园区，131MountPleasant，

LiverpoolL35TF

2公民健康创新实验室，利物浦大学，利物浦科学园区，131MountPleasant，LiverpoolL35TF

3初级护理和心理健康系，人口健康研究所，WaterhouseBuildingBlockB，利物浦大学，L693GF

Abstract.预防未来死亡（PFD）报告由英格兰和威尔士的验尸官发布，标记可能导致进一步生命损失

本的系统性危险。对这些报告的分析此前受到识别和编码相关案例所需手动工作量的限制。2025年，英国

译国家统计局（ONS）发布了关于儿童自杀PFD报告的全国主题审查（18岁），确定了从2015年1月

至2023年11月期间的37个案例——这一过程完全基于手动整理和编码。我们评估了一种全自动、开源

中“文本到表格”语言模型流程（PFD工具包）是否能够复制ONS对儿童自杀PFD报告的识别和主题分

1析，并评估效率和可靠性的提升情况。通过PFD工具包的大规模语言模型（LLM）提取和编码流程处理

v了从2013年7月到2023年11月发布的所有4,249份PFD报告。自动化筛选确定了验尸官将死亡归因

6于年龄18岁或以下个体自杀的案例，并对符合条件的报告按照接收类别及23个关注子主题进行编码，复

8

7制了ONS编码框架。PFD工具包识别出72份儿童自杀PFD报告——几乎是ONS计数的两倍。三名

0盲审临床医生验证了从144份报告中选取的分层样本中的儿童自杀筛选情况。与共识后的临床注释相比，

2基于LLM的工作流显示出实质到几乎完美的一致性（Cohen’s=0.82,95%CI:0.66-0.98,原始一致性

.

7=91%）。端到端脚本的运行时间为8分钟16秒，将原本需要数月的过程转化为可以几分钟内完成的任

0务。这表明自动化LLM分析能够可靠且高效地复制对验尸数据的手动主题审查，为公共卫生和安全提供

5

2可扩展、可重复及及时的见解。PFD工具包公开可用于未来研究。

:

v

i

x1.背景网站上，缺乏一致的元数据，并且经常仅以扫描

r

a图像的形式提供，这些图像没有可有哪些信誉好的足球投注网站的文本。从

预防未来死亡报告（PFD）是英格兰和威尔士

英国司法机构无法获取用于系统检索报告内容的

验尸官的法定通知，强调可能危及更多人死亡的

下载数据集。尽管在线存储库提供了基于类别的

情况。每份PFD报告都会描述一次验尸的背景，

筛选器（如养老院死亡、医院内死亡等），但这些

详细说明