超越通用阈值：基于12年NHANES数据使用机器学习和可解释人工智能进行年龄特异性心血管代谢筛查

资源简介

该数据集包含来自NHANES数据库（2011-2023年）的13,569名患者的代表性12年美国队列数据，用于研究年龄特异性心血管代谢筛查。数据模态为表格，包含临床指标、问卷等。研究基于XGBoost算法预测早期胰岛素抵抗（HOMA-IR ≥ 2.5），并采用SHAP可解释人工智能方法分析特征重要性。主要发现包括：腰围身高比（WHtR）优于BMI作为内脏脂肪标志物，动态年龄阈值（从年轻时的0.55到老年时的0.61-0.62），以及行为风险因素随年龄的转变（快餐消费对年轻人影响大，睡眠不足和久坐对老年人影响大）。用途：心血管代谢疾病筛查模型开发与验证。