基于机器学习与SHAP的社区老年人口腔衰弱风险预测模型构建

来源：护理学杂志2026年第7期北京时间：

作者：刘庆伟，郭丽，刘欢，钱秋雨，闵佳慧，罗洋，侯乐栋，张铭

单位：山东第一医科大学护理学院（山东 济南，271016）,,山东第一医科大学护理学院（山东 济南，271016）,,皖南医学院第一附属医院（弋矶山医院）血液净化中心,,山东第一医科大学护理学院（山东 济南，271016）,,皖南医学院公共卫生学院,,皖南医学院临床医学院,,山东第一医科大学口腔医学院,,皖南医学院公共基础学院（创新创业学院）,

摘要：目的 构建社区老年人口腔衰弱风险的动态可解释预测模型，为社区护理人员开展早期评估与干预提供参考。 方法 采用便利抽样法在安徽省选取1 457名社区老年人，由经过培训的调查人员运用口腔衰弱指标筛查-8进行口腔衰弱评估，并收集可能影响社区老年人口腔衰弱的相关资料作为模型候选预测变量。按7∶3比例随机分为训练集（1 020名）和验证集（437名），基于训练集筛选影响因素并构建包括logistic回归、随机森林、支持向量机、决策树、神经网络、极限梯度提升、朴素贝叶斯及K近邻8种机器学习模型；基于验证集评价模型性能；并采用夏普利加性解释（SHAP）对最优模型进行解释与可视化。 结果 64.4%的社区老年人存在口腔衰弱风险。支持向量机模型在验证集中预测性能最优，AUC为0.783，F1分数最高（0.659），Brier分数最小（0.180）；慢性病、年龄、抑郁、吸烟、营养不良和躯体衰弱是社区老年人口腔衰弱的主要影响因素。SHAP结果显示，慢性病贡献度最高。 结论 支持向量机模型对社区老年人口腔衰弱风险具有良好的预测能力，基于SHAP识别的主要风险因素可为制订针对性护理干预措施提供依据。

关键词：社区老年人;口腔衰弱;风险预测;机器学习;人工智能;肌少症;抑郁;慢性病

基金资助：科研项目：国家级大学生创新训练计划项目（202410439015）