基于机器学习算法构建中重度围绝经期综合征预测模型

目的通过机器学习算法筛选围绝经期妇女发生围绝经期综合征(perimenopausal syndrome,PMS)的影响因素,构建围绝经期妇女中重度PMS发生风险的预测模型。方法选取上海市浦东新区48个社区的围绝经期妇女作为研究对象,并根据Kupperman评分量表评价结果分为PMS正常或轻度组和中重度组。将数据随机分为训练集和测试集,使用Boruta算法和SHAP算法进行特征选择。使用逻辑回归(Logistic regression,LR)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和梯度提升决策树(gradient boosting decision tree,GBDT)构建模型,并采用精确度、准确度、召回率、受试者工作特征曲线的曲线下面积(area under curve,AUC)、F1分数评估模型性能。结果共纳入围绝经期妇女856例,其中PMS正常或轻度组557例、中重度组299例;训练集599例、验证集257例。使用Boruta算法以及SHAP算法纳入在职情况、运动、年龄、月经情况、就诊史、超重、居住地、健康教育史、户籍9个特征作为最终模型的预测变量。参数调优后,LR、RF、SVM、GBDT算法基于训练集的10折交叉验证的AUC分别为0.64、0.77、0.74、0.77。LR、RF、SVM、GBDT算法在测试集中的AUC分别为0.63、0.69、0.69、0.73;召回率分别为0.59、0.55、0.55、0.62。结论构建的围绝经期妇女中重度PMS发生风险预测模型中,GBDT算法的预测表现最优,具有一定的预测价值,可为围绝经期妇女发生中重度PMS的早期识别和干预提供新思路和方法。