目的 构建基于K最近邻(KNN)算法和logistic回归的代谢综合征预测模型并比较两种模型对代谢综合征的预测效能.方法 纳入6 793例研究对象进行数据分析,构建基于KNN算法和logistic回归的预测模型,对模型进行内部验证及外部验证,采用多维度指标对预测性能进行评估,对比两种预测模型的预测效能.结果 基于KNN算法预测模型的内部验证曲线下面积(AUC)为0.776(95％CI:0.764～0.788)、校准截距为 0.028(95％CI:-0.031～0.089)、校准斜率为 1.181(95％CI:1.106～1.257)、布里尔分数为 0.157;外部验证 AUC 为 0.780(95％CI:0.768～0.791)、校准截距为 0.262(95％CI:0.207～0.317)、校准斜率为 1.053(95％CI:0.990～1.117)、布里尔分数为0.167.基于logistic回归预测模型内部验证AUC为0.783(95％CI:0.772～0.795)、校准截距为-0.008(95％CI:-0.088～0.073)、校准斜率为 0.995(95％CI:0.934～1.058)、布里尔分数为0.156;外部验证 AUC为0.782(95％CI:0.771～0.793)、校准截距为-0.045(95％CI:—0.113～0.022)、校准斜率为1.006(95％CI:-0.011～1.063)、布里尔分数为0.164.结论 在代谢综合征的风险预测上,logistic回归预测模型表现优于基于KNN算法预测模型.

作者：张慧；陈丹丹；邵静；汤磊雯；吴静洁；薛二旭；叶志弘

来源：重庆医学 2023 年 52卷 13期