目的:以往研究阐释了部分心理因素与自杀风险之间的关系。本文旨在通过机器学习的方法建立分类树模型预测个体在6个月后的自杀意念,以此来探讨青少年自杀风险的影响因素。方法:3590名青少年(14.6±1.45岁)在首次问卷施测中完成了痛苦耐受性、缺乏预见性、负性急迫性、自我批评、情绪反应、不稳定关系、不稳定自我形象、不稳定的自我认同、自我抽离、父母批评、抑郁症状、冲动行为、过去一年中故意自我伤害的频率及自杀意念与自杀尝试的测量,并在半年后报告两次施测期间的自杀意念情况。分类树模型通过建立一系列决策规则,从而预测出半年后产生自杀意念的青少年。结果:两次施测的自杀意念发生率为15.0%与14.3%。通过10折交叉验证生成的分类树准确率为82.6%,敏感性为75.1%,特异性为90.1%,AUC为0.766,Kappa系数为0.663。分类树模型指出重要性前5的预测因子分别为故意自我伤害频率、自杀意念、行为冲动、自杀尝试与情绪调节困难,重要性系数分别为572.2、216.1、115.5、94.3、84.3。结论:青少年个体的情绪调节困难和过去一年中的冲动行为、故意自我伤害频率、自杀意念与自杀尝试是青少年未来自杀意念产生的重要预测因子。分类树模型可作为青少年未来自杀意念的预测工具,让青少年自杀危机干预工作更具针对性,从而提高干预的效果。