换一批3～6岁儿童健康相关生活质量的机器学习预测与关键因素分析
Prediction on health-related quality of life in 3-6 years old children and analysis on its influencing factors by machine learning methods
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?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.
更多相关知识
栏目名称
DOI
10.16168/j.cnki.issn.1002-9982.2025.12.005
发布时间
2026-01-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
福建省社会科学基金项目（FJ2025C129）
福建省社会科学基金项目（FJ2021C123）
- 浏览1
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
