目的 基于健康体检数据构建Logistic 回归模型（LR）、支持向量机（SVM）、决策树（DT）及随机森林（RF）代谢综合征（MS）风险预测模型，并比较其预测效能。方法 收集2020年5月至2023年5月来宁波市中医院健康体检者2 538例，其中MS患者846例（MS组），非MS患者1 692例（非MS组）。收集两组体质量指数（BMI）、空腹血糖（FPG）、收缩压、三酰甘油（TG）和高密度脂蛋白胆固醇（HDL-C）作为特征变量，分别建立LR、SVM、DT及RF模型，并计算AUC值、准确率、精确度、召回率和F1值等指标对模型效能进行评估。结果 两组BMI、FPG、收缩压、TG及HDL-C等核心代谢指标差异均有统计学意义（均P＜0.05）。多因素LR分析显示，BMI、TG、收缩压、HDL-C及FPG均为发生MS的独立影响因素（均P＜0.05）。RF模型在验证集中的AUC值最高达到1.0，具备更强的泛化能力与风险预测能力。结论 RF模型表现出良好的MS风险预测性能，是MS疾病风险预测的理想工具。
张宇浪,邓艳华,周晓琦,张琼晓,龚文波,盛爱萍.基于健康体检数据构建不同代谢综合征风险预测模型及其效能比较[J].现代实用医学,2026,38(1):28-31.
