来源：期刊VIP网 时间：
作者：王晓芬;汤丽;
单位：集美大学诚毅学院;福建省泉州市第一医院;
摘要：目的 构建3～6岁儿童健康相关生活质量(HRQOL)的预测模型,识别其关键影响因素,为早期健康干预提供支持。方法 本研究于2024年1—4月期间,采用分层整群随机抽样方法,使用儿童健康相关生活质量普适性核心量表(PedsQL~(TM) 4.0)收集了福建省1005名3～6岁儿童的HRQOL数据。通过单因素分析筛选出关键预测变量,并应用极限梯度提升(XGBoost)、逻辑回归(LR)、支持向量机(SVM)和随机森林(RF) 4种机器学习算法构建预测模型,对各模型的预测效果进行比较。结果 XGBoost、LR、SVM和RF模型的AUC分别为0.801 (95%CI:0.729～0.866)、0.782 (95%CI:0.714～0.849)、0.762 (95%CI:0.691～0.831)和0.749 (95%CI:0.673～0.824),准确率分别为0.741 (95%CI:0.682～0.801)、0.721 (95%CI:0.662～0.781)、0.716 (95%CI:0.657～0.776)和0.711 (95%CI:0.652～0.776),XGBoost模型的性能显著优于其他模型(P <0.05)。研究进一步确定了睡眠质量、社区运动空间和挑食是影响HRQOL的关键因素。结论 XGBoost模型在HRQOL研究中具有显著预测性能,为优化儿童健康干预策略提供了科学依据。
关键词：健康相关生活质量;;机器学习;;预测模型;;3～6岁儿童
基金资助：福建省社会科学基金项目(FJ2025C129);福建省社会科学基金项目(FJ2021C123)
