基于机器学习的西宁地区中老年人睡眠障碍风险预测模型构建与验证
范小伟
董碧璇
韩树奎
任义涛
陈虹汝
李泽
党占翠
李斌
青海大学医学院公共卫生系,青海西宁 810008
摘要：目的 本研究旨在构建西宁地区中老年人睡眠障碍的风险预测模型.方法 纳入673名≥45岁的常住居民,通过LASSO回归、Boruta算法和随机森林(RF)进行特征选择,利用logistic回归、决策树(DT)、RF、极端梯度提升(XGBoost)和支持向量机(SVM)构建模型,并采用Bootstrap重采样法(1 000次重复抽样)进行内部验证.使用受试者工作特征(ROC)曲线、Brier评分、校准曲线和决策曲线分析综合评价模型性能.敏感性分析评估离群值处理方法、缺失值插补方法和特征选择方法对最优模型预测性能的影响.结果 特征选择将性别、共病、年收入、抑郁和焦虑确定为睡眠障碍的关键预测因子.5种机器学习模型中,logistic回归模型表现最优,曲线下面积(AUC)为0.777(95％CI:O.767～0.779),Brier评分为0.188,具有良好的区分能力和校准性能.可解释性分析显示,抑郁对睡眠障碍的预测贡献最大.敏感性分析表明,离群值处理方法、缺失值插补方法和特征选择方法均影响模型的预测性能.结论 本研究构建了适用于西宁地区中老年人睡眠障碍的风险预测模型,为临床医生识别高危人群提供了实用工具,为实现睡眠障碍的早期预防和干预提供依据.
关键词：机器学习预测模型睡眠障碍中老年人西宁
分类号：R163(个人卫生)
资助基金：青海省重点研发与转化计划项目(2024-SF-125)
论文发表日期：2026-03-13
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 788-796 )
英文信息