贵州少数民族人群常见慢性病风险评估模型

1、数据采集：
根据暴露因素与健康指标采集规则：采集贵州省侗、苗和布依族人群的人口学信息、生活方式（吸烟、饮酒、体力活动等）、特色饮食；在现场测量基本健康指标，并确保数据一致性与完整性。
2、模型构建：
数据预处理规则：对连续变量（如BMI、年龄等）进行标准化；对分类变量（如民族、吸烟状态等）编码；对缺失值进行插补。
构建机器学习模型，进行贵州省常见慢性病（包括高血压、糖尿病、血脂异常、肥胖、脂肪肝、高尿酸血症、代谢综合征、骨量异常、慢性肾病、肾结石、胆结石等）风险评估，包括：采用随机森林捕捉非线性关系与特征重要性排序；梯度提升树实现高精度预测；支持向量机和多层感知机适应小样本但高维特征场景和复杂交互。
模型的输入特征涵盖行为、人口学及生化指标特征，目标结局为高血压、糖尿病、血脂异常等二分类结局。
进一步进行模型验证、性能评估、择优和集成。
3、应用：根据模型输出的预测概率划分疾病风险等级，针对贵州省苗、侗、布依族人群分别设定风险阈值和干预优先级。

搜集汇总

背景与挑战

背景概述

该数据集是贵州医科大学申请的一个风险评估模型，专门针对贵州省的苗、侗、布依族人群，旨在通过机器学习方法预测多种常见慢性病（如高血压、糖尿病、血脂异常等）的风险。它基于多维度数据（包括人口学特征、生活方式、生化指标等）构建，并采用随机森林、梯度提升树等算法进行精准风险分层，以支持民族地区的慢性病预防工作。数据规模为10.3MB，包含15个结构化字段，如性别、年龄、民族和健康指标，用于模型训练和验证。